
Slimmer werken met AI: 3 lessen uit de praktijk
De afgelopen jaren ben ik me steeds meer gaan bezighouden met automatisering. Niet omdat het een mooi woord is op een visitekaartje, maar omdat ik merkte hoeveel tijd er verdwijnt in werk dat eigenlijk geen mens hoeft te doen. Gegevens overtypen van het ene systeem naar het andere. Lijstjes bijwerken. Dezelfde mail voor de twintigste keer net iets anders opstellen. Dat soort dingen.
Waar het bij ons begon
In het onderwijs draait veel om mensen, en daar verandert AI weinig aan. Een goede les blijft een goede les. Maar eromheen zit een laag administratie en coördinatie die jaar na jaar groeit. Daar valt de meeste winst te halen.
Een paar voorbeelden uit de praktijk. We laten roostervoorstellen voorbereiden door een script in plaats van handmatig te puzzelen. We gebruiken taalmodellen om ruwe notities om te zetten in nette samenvattingen, die een collega daarna nog even nakijkt. En we koppelen systemen aan elkaar zodat een wijziging op één plek niet op vijf andere plekken handmatig hoeft te worden nagelopen.
De rode draad: de computer doet het saaie voorwerk, de mens neemt de beslissing. Dat onderscheid is belangrijker dan welke tool je precies gebruikt.
Dezelfde aanpak, een heel ander project
Wat me persoonlijk het meest leerde, was iets toepassen buiten het onderwijs. Naast mijn werk help ik mee aan VindVakantiedeals, een Nederlands platform dat reisaanbiedingen verzamelt en vergelijkt. Op het eerste gezicht heeft een vakantiesite weinig met een onderwijsorganisatie te maken, maar onder de motorkap is het verrassend hetzelfde verhaal.
Ook daar draait alles om grote hoeveelheden gegevens netjes en actueel houden. Aanbiedingen veranderen continu, prijzen schommelen, en niemand zit te wachten op een deal die gisteren al verlopen was. Dat met de hand bijhouden is onbegonnen werk. Dus gebruiken we precies dezelfde principes: data automatisch ophalen en opschonen, AI inzetten om teksten en categorieën voor te bereiden, en mensen laten beslissen wat er uiteindelijk wordt getoond.
Het bouwen daarvan heeft me als IT'er meer geleerd dan welke cursus ook. Je loopt tegen echte problemen aan. Wat doe je als een bron tijdelijk plat ligt? Hoe controleer je of een automatisch gegenereerde tekst klopt voordat een bezoeker hem ziet? Hoe houd je het systeem begrijpelijk voor de volgende persoon die eraan werkt? Dat zijn dezelfde vragen die terugkomen op de werkvloer bij De Onderwijskracht.
Wat ik ervan meeneem
Drie dingen blijven hangen, ongeacht of het om scholen of reisdeals gaat.
Begin klein. De verleiding is groot om meteen alles te willen automatiseren. Het werkt beter om één vervelende, terugkerende taak te pakken en die echt goed op te lossen. Daarna zie je vanzelf de volgende.
Houd de mens in de lus. AI is sterk in voorbereiden en zwak in verantwoordelijkheid nemen. De waarde zit in de combinatie, niet in het wegautomatiseren van het oordeel.
En meet of het echt helpt. Automatisering die niemand tijd bespaart is gewoon een nieuw systeem om te onderhouden. Soms is een simpele checklist beter dan een slim script.
Voor mij is dat de kern van werken met AI en automatisering. Niet de techniek op zich, maar de vraag welke tijd je teruggeeft aan de mensen om je heen, zodat zij zich kunnen bezighouden met het werk dat er echt toe doet.

