%20(1).png)
De impact van AI wordt steeds groter en raakt iedere branche. Ook voor woningcorporaties is het essentieel om na te denken over AI. Niet alleen om hun eigen processen te versterken, maar ook omdat de verwachtingen van de huurder op dit gebied steeds groter worden.
Artificial intelligence (AI) of kunstmatige intelligentie klinkt misschien nog futuristisch, maar wordt al overal om ons heen toegepast. Denk aan zelfrijdende auto’s of virtuele assistenten zoals Siri op je smartphone, consumenten omarmen AI omdat het hun leven vergemakkelijkt. Ook bedrijven en organisaties zetten AI steeds vaker in, om bijvoorbeeld de interactie met hun klanten te automatiseren of om slimmer in te kopen. De impact van AI wordt steeds groter en raakt iedere branche, van grote corporates tot overheden en van het mkb tot de voetbalclub om de hoek. Ook voor woningcorporaties is het essentieel om na te denken over AI, niet alleen om hun eigen processen te versterken, maar ook omdat de verwachtingen van de huurder op dit gebied steeds groter worden. In dit artikel gaan we daarom in op de belangrijkste artificial intelligence trends voor woningcorporaties.
De meeste woningcorporaties hebben de eerste stappen gezet om te digitaliseren en begrijpen het belang van digitalisering in het huidige tijdperk. Huurders willen communiceren via digitale kanalen, direct inzicht in hun huurgegevens en reparatieverzoeken online in kunnen dienen. Deze digitaliseringsgolf heeft ervoor gezorgd dat corporaties steeds meer data zijn gaan verzamelen en innovatieve corporaties zijn zich bewust van de waarde van deze data. Zo kan deze data worden geanalyseerd om meer inzicht te krijgen, waardoor betere beslissingen kunnen worden genomen. De digitalisering van woningcorporaties en de nieuwe data die dit met zich meebrengt, vormt de bron voor de artificial intelligence golf die we nu steeds dichterbij zien komen. Hoe meer data, hoe beter de AI toepassingen die ontwikkeld kunnen worden.
Een belangrijke voorwaarde voor succesvolle digitale transformatie is het centraal stellen van de huurder. Door de behoeftes van de huurder beter te leren kennen, kun je je dienstverlening beter optimaliseren. Een goede interactie met de huurder is hiervoor van groot belang en AI biedt veel mogelijkheden om deze interactie slimmer in te richten. Corporaties zijn veel tijd kwijt met het beantwoorden van telefoontjes en voor huurders is het vervelend om lang in de wacht te staan voor ze geholpen worden. Soms zijn vragen zo specifiek dat alleen menselijke medewerkers hierbij kunnen helpen, maar een groot deel van de vragen zou automatisch beantwoord kunnen worden.Ongetwijfeld heb je als woningcorporatie al een grote hoeveelheid mails en vragen verzameld, die je telkens opnieuw handmatig moet beantwoorden. Met behulp van machine learning, een vorm van AI, worden veelgestelde vragen automatisch gecategoriseerd en kunnen chatbots worden ontwikkeld die begrijpen wat de huurder voor probleem of vraag heeft. Ook al stelt de huurder de vraag net even anders, een goede chatbot kan alsnog het juiste antwoord geven. Er zijn zelfs chatbot systemen die je kunt integreren in je telefonie, zodat je ook via de telefoon vragen kunt beantwoorden.
Nog een stap verder is het integreren van jouw chatbot in slimme speakers, zoals Google Home en Amazon Alexa. Nederlanders zijn wereldwijd het snelst in de adoptie van bijvoorbeeld Google Home, en zullen dus steeds meer gewend raken aan interactie via virtuele assistenten. Stel je eens voor dat een huurder, terwijl hij lekkend water uit het plafond probeert op te vangen, door de kamer roept ‘Ok Google, zeg tegen de verhuurder dat ik een lekkage heb’. De assistent stelt meteen een aantal relevante vragen terug en schakelt zelf de loodgieter in en geeft de ernst van de situatie door. De huurder wordt direct geholpen en jouw klantenservice medewerkers hebben meer tijd over voor ingewikkeldere vragen.
Een van de meest interessante toegevoegde waardes van AI is het doen van voorspellingen. Met machine learning kan inzicht worden verkregen in grote hoeveelheden data, waardoor patronen in deze data kunnen worden ontdekt. Door constant data bij te houden en automatisch te laten analyseren, kunnen ook voorspellingen worden gedaan. Data is overal en je houdt nu al meer data bij dan je mogelijk zelf door hebt. We hebben het al gehad over klachten en reparatieverzoeken, maar denk ook aan persoonsgegevens, transactiedata en informatie over de woning.Een concreet voorbeeld voor het doen van voorspellingen is bijvoorbeeld het voorspellen wanneer mensen gaan verhuizen. Machine learning kan verbanden vinden binnen deze data op het moment dat een huurder besloot om te verhuizen. Hoe meer voorbeelden je het systeem geeft om te leren, hoe beter het kan voorspellen wanneer een huidige huurder mogelijk gaat verhuizen. Er bestaan bijvoorbeeld verbanden tussen de leeftijd van de huurder, het inkomen en het postcodegebied, die goede indicatoren zijn voor woningmutaties.
Dezelfde methodes zouden ook kunnen worden toegepast om andere voorspellingen te doen. Zo zou het mogelijk kunnen zijn om te voorspellen wanneer schoonmaak moet plaatsvinden op basis van klachten. Of bijvoorbeeld onderhoud op basis van reparatieverzoeken van huurders. Denk hierbij ook aan externe vormen van data, zoals bijvoorbeeld het weer. Dergelijke databronnen kunnen mogelijk een rol spelen en zijn interessant om mee te nemen in het ontwikkelen van AI toepassingen. Door betere voorspellingen te doen kunnen monteurs en schoonmakers efficiënter worden ingezet, kun je kosten besparen en kun je klachten bij huurders voorkomen.
Wat als je niet eens zou hoeven wachten op een schoonmaker, maar dat er al direct een dweilrobot op die vieze vloer komt afgereden? Het kan de tevredenheid van huurder ten goede komen als ze niet hoeven te wachten tot de schoonmaker de week erop pas langskomt, maar dat dit direct wordt verholpen. Het is misschien nog wat ver weg, maar een toekomst waarin robots in gebouwen rondlopen voor schoonmaak is zeker iets wat tot de mogelijkheden behoort.
Een andere belangrijke ontwikkeling is het onderhouden en slimmer maken van gebouwen door sensoren te verbinden met het internet, ook wel internet of things genoemd. Zo kan de kwaliteit van de leefomgeving in de gaten worden gehouden door bijvoorbeeld CO2, temperatuur en de luchtvochtigheid te meten. Vervolgens kan de kwaliteit automatisch worden geoptimaliseerd, zodat het gebouw zuiniger wordt en de leefomgeving wordt verbeterd. Ook kunnen bijvoorbeeld slimme ketels worden geïnstalleerd die door middel van sensoren kunnen voorspellen of ze onderhoud nodig gaan hebben, of zelfs automatisch geupdate kunnen worden om storingen te voorkomen.Ook slimme camera’s bieden veel mogelijkheden om de tevredenheid van huurders te verhogen en een veiligere leefomgeving te creëren. Een aantal mogelijkheden:
In al deze gevallen is er geen actieve persoonlijke registratie nodig van de beelden, maar kunnen slimme systemen begrijpen wat er in beeld getoond wordt en kan het vervolgens zelf actie ondernemen.Veel interessante voorbeelden die laten zien hoe artificial intelligence woningcorporaties helpt om efficiënter te werken, kosten te verlagen en meer waarde toe te voegen voor de huurder. Als innovatieve woningcorporatie kun je eigenlijk niet meer om artificial intelligence heen. Maar hoe ontwerp en ontwikkel je nu artificial intelligence toepassingen die échte toegevoegde waarde hebben? Zoals eerder genoemd is het essentieel om de huurder centraal te stellen en de huurder te betrekken in de ontwikkeling van nieuwe toepassingen. De digitale wereld verandert snel, dus het is belangrijk om groots te denken. Hoe ziet de interactie met huurders eruit over 10 jaar? Welke voorspellingen kun je allemaal doen om je dienstverlening te verbeteren? En hoe maak je je gebouwen slim? Belangrijke vragen waar iedere woningcorporatie nu over na zou moeten denken.
.jpg)
Blijf op de hoogte van belangrijke onderwerpen met inzichten uit onze onderzoeken en ervaringen.
