Goodzo brengt AI-kansen in kaart voor Bouwend Nederland

In de loop van 2024 nam de nieuwsgierigheid naar AI binnen de branchevereniging voor de bouw- en infrastructuursector, Bouwend Nederland (BNL), snel toe. Zowel bij interne teams als de achterban ontstonden belangrijke vragen: Hoe onderscheid je hype van realiteit? Wat sluit écht aan bij de sector?

Juist daarom was het voor BNL logisch te onderzoeken wat AI concreet kan betekenen voor de sector én de eigen organisatie. Roel vult aan; “Het AI-readiness traject is daarmee een mooi voorbeeld van hoe we binnen BNL vormgeven aan onze kernwaarden waarbij we met Open vizier, met Lef onderzoeken en Optimistisch zijn naar wat AI kan bieden. We geloven dat het inzetten van AI ons kan helpen meer resultaatgerichter te worden.”

Om deze nieuwsgierigheid in goede banen te leiden en antwoord op te vinden, werd Goodzo ingeschakeld. De IT-consultancy en BNL werken al ruim drie jaar samen: wat begon op de servicedesk, groeide uit tot een strategisch partnerschap gericht op ontwikkeling en innovatie.
Nu werd Goodzo gevraagd om via zijn AI-readinesstraject in kaart te brengen waar de kansen op het gebied van AI liggen voor BNL. Ook ontwikkelde de consultants een strategie om deze kansen te verzilveren.

Visie en aanpak
Goodzo ziet dat AI veel verder gaat dan de implementatie van standaardtools zoals chatbots – het raakt ook de cultuur, processen en strategische koers van een organisatie. Daarom koos de IT-consultancy bewust voor een integrale aanpak, waarbij techniek slechts één van de pijlers is. Het AI-readinessmodel richt zich nadrukkelijk op de menselijke en organisatorische kant van AI-adoptie.

Op basis van dit model presenteerde Goodzo een gestructureerd raamwerk aan BNL. Dit is opgebouwd uit vier ambitieniveaus: van standaard AI-applicaties, applicaties geïntegreerd met bedrijfsdata, maatwerkoplossingen tot het trainen van eigen modellen. Elk niveau bouwt voort op het vorige.
Deze niveaus fungeren als strategisch kompas waarmee organisaties hun AI-doelstellingen kunnen definiëren en realiseren. Het gekozen ambitieniveau vormt de initiële insteek en omvang van het onderzoek, maar kan worden bijgesteld op basis van de inzichten die tijdens het traject worden opgedaan.

Tijdens het traject worden deze niveaus vastgesteld door Goodzo, of in overleg door de organisatie zelf. Binnen BNL dienden ze als fundament voor de gezamenlijke verkenning van AI-toepassingen binnen de organisatie.
Om invulling aan de ambitieniveaus te geven, draait het model om zes centrale thema's: bewustzijn, kansen, dataveiligheid, infrastructuur, integratie en kennis. Elk van deze thema's vormt een bouwsteen voor succesvolle AI-adoptie en integratie.

Zo wordt onderzocht hoe vertrouwd medewerkers zijn met AI-tools en in hoeverre ze deze al benutten. Zijn er processen waar AI direct tijd en geld zou kunnen besparen? Speelt dataveiligheid een belemmerende rol, of juist een versterkende? Is de huidige infrastructuur wel klaar voor nieuwe toepassingen? Ook wordt gekeken naar praktische vragen zoals: wie pakt de regie bij AI-implementaties, en hoe kunnen teams optimaal van elkaars kennis gebruik maken?

Om op deze vragen een scherp antwoord te krijgen, combineert Goodzo de kracht van data met menselijke inzichten vanuit drie invalshoeken: cultuur, business en technologie. “Via het model maken we zichtbaar waar de kansen liggen, en waar je met relatief weinig moeite al impact kunt maken”, vertelt Tom Roggeveen, IT Consultant bij Goodzo.

Binnen BNL werd het model toegepast via workshops en interviews met teamleiders uit diverse afdelingen, zowel vanuit IT als de business. Centraal stond de vraag: waar liggen de kansen voor slimme ondersteuning door AI?
Goodzo onderzocht waar werkprocessen zich herhalen, waar onnodig tijdverlies optreedt en waar medewerkers zelf kansen zien voor verbetering. Zo vroeg iemand zich af of AI in de toekomst de urenregistratie kan overnemen: “Dat kost nu onnodig veel tijd.”

Dergelijke inzichten maken het mogelijk om gericht te investeren in AI-oplossingen die daadwerkelijk waarde toevoegen. En door medewerkers actief te betrekken als ‘enablers’ ontstonden ideeën die niet alleen technisch haalbaar waren, maar ook breed gedragen werden binnen de organisatie. “Medewerkers voelden zich gehoord én betrokken”, vertelt Joeri Steegers, Service Delivery Manager bij Goodzo.

Eindrapport
Het opgestelde eindrapport bevat concrete deliverables die bijdragen aan het realiseren van het ambitieniveau van BNL. Deze zijn onderverdeeld in drie categorieën: kwantitatieve scores, kwalitatieve bevindingen en aanbevelingen.
Wat deze methodologie volgens Joeri innovatief maakt, is de introductie van twee unieke scores: de adoptiescore en de kansenscore.
“Deze scores zijn gebaseerd op de resultaten van enquêtes en interviews, waarin verschillende taakcategorieën zijn geïdentificeerd die door AI ondersteund kunnen worden”, legt hij uit. “De kansenscore geeft aan in hoeverre taken binnen een afdeling geschikt zijn voor AI-ondersteuning, via standaardoplossingen of via maatwerk zoals
Copilot Studio.”

Maatwerk AI-oplossingen
De aanbevelingen richten zich zowel op de implementatie van standaard AI-tools als de ontwikkeling van op maat gemaakte AI-oplossingen.
“Onze organisatie is overtuigd dat AI een technologie is dat substantieel kan helpen de waarde van onze processen en diensten te maximaliseren.” aldus Roel Vrenken, manager informatie- en datamanagement bij BNL. “We geloven dat we met gespecialiseerde AI-oplossingen, bedrijfsdoelstellingen efficiënter kunnen bereiken.

Als standaard AI-tooling, voor Bouwend Nederland, raadt Goodzo Copilot voor Microsoft 365 aan. Deze tool is breed toepasbaar, vanwege de diepe integratie in de bestaande en veelgebruikte Microsoft 365 applicaties. Het biedt een brede ondersteuning bieden bij diverse taken in meerdere afdelingen. Dankzij De kracht hierbij is dat medewerkers snel, intuïtief en op hun eigen tempo gebruik maken van de AI-functionaliteit zonder grote veranderingen in hun werkwijzen. Bovendien is het kosten-efficiënt, aangezien Bouwend Nederland al gebruikmaakt van Microsoft 365, waardoor er beperkte extra investeringen nodig zijn voor de implementatie van Copilot. Opgemerkt dient te worden dat er verschillende Copilot producten en licenties zijn.

Daarnaast wordt geadviseerd om custom AI-tools te gebruiken of te ontwikkelen voor specifieke processen, zoals het automatiseren van de urenregistratie en het inzetten van een interne chatbot. Deze chatbot kan BNL helpen bij het beantwoorden van ledenvragen. “Als kennisorganisatie streeft BNL ernaar om leden effectief en efficiënt te ondersteunen”, legt Tom uit. “Een van de uitdagingen die hierbij komt kijken, is het snel en accuraat beantwoorden van uiteenlopende vragen, een taak die bemoeilijkt wordt doordat interne kennis vaak verspreid is door de organisatie.”
AI is daarbij slechts zo sterk als de kennis die het krijgt. Effectieve inzet vraagt dus niet alleen om technologie, maar ook om een organisatiebrede aanpak: kennis moet actief worden verzameld, gestructureerd en onderhouden om AI-tools optimaal te laten functioneren.

Er liggen plannen om met behulp van Copilot Studio een dynamisch en up-to-date platform te creëren dat kennis uit zowel interne kennisbanken als publieke bronnen integreert. Zo kunnen vragen effectief worden beantwoord, zelfs als de details en context van deze vragen voortdurend veranderen. Om dit goed te laten werken, is het belangrijk dat kennis niet alleen beschikbaar is, maar ook zorgvuldig wordt beheerd en aangevuld. Zo blijft de kwaliteit van dienstverlening hoog, terwijl de werkdruk op de afdeling afneemt.