In deel 1van deze driedelige blogserie lieten we zien waarom ‘we willen iets met AI’ als algemene ambitie te vaag is, en daardoor niet de beste manier om AI gedreven waarde te creëren voor uw organisatie. In plaats daarvan halen u en uw teams veel meer waarde uit AI als u eerst op drie kernpunten afstemt:
- hoe uw databasis eruitziet,
- wat uw belangrijkste pijnpunten en uitdagingen zijn,
- welke mensen en processen hierdoor worden geraakt.
Hieronder vindt u een checklist voor AI gereedheid die u en uw teams kunnen gebruiken om gericht aan de slag te gaan.
checklist voor AI‑gereedheid
Deel A: Resultaten en reikwijdte
✅ Kunnen we één tot drie concrete bedrijfsresultaten benoemen die we willen bereiken (bijvoorbeeld minder energieverbruik, minder reactieve werkorders of betere ruimtebenutting)?
✅ Beschikken we over gedocumenteerde basisstatistieken van de afgelopen 6-12 maanden zodat we straks onze resultaten kunnen meten?
✅ Hebben we duidelijk gedefinieerd: de locaties die binnen scope vallen, een tijdsbestek van 6–10 weken én wat bewust buiten de scope van deze eerste fase blijft?
Deel B: Databasis
✅ Hebben we alle systemen in kaart gebracht waarin de benodigde data staat (BAS, CMMS, energiemeters, aanwezigheidssensoren, enzovoort)?
✅ Beschikken we over de juridische en technische mogelijkheden om data te ontsluiten (via API's of exports) en weten we wie de ‘poortwachters’ zijn die toegang kunnen verlenen?
✅ Hebben we data steekproefsgewijs beoordeeld om hiaten te identificeren, zoals ontbrekende meters, inconsistente asset ID’s of ongestructureerde notities die AI zouden kunnen hinderen?
✅ Kunnen we onze assets, ruimtes en werkorders onderbrengen in een consistente structuur die door AI te interpreteren is – ook als die structuur nog niet perfect is?
Deel C: Governance, beveiliging en risico
✅ Hebben we duidelijke spelregels opgesteld voor PII (persoonlijk identificeerbare informatie), bewaartermijnen en locaties waar data wordt verwerkt?
✅ Heeft IT/Security een 'lichtgewicht' route voor deze pilot goedgekeurd om ervoor te zorgen dat leveranciers en integraties aan de veiligheidsnormen voldoen zonder het project te vertragen?
✅ Is er een persoon aangewezen die verantwoordelijk is voor het controleren en goedkeuren van de acties die AI aanbeveelt, om ervoor te zorgen dat we ‘black box’ besluitvorming vermijden?
Deel D: Mensen en processen
✅ Hebben we een helder proces voor hoe AI-inzichten bij de frontlinie terechtkomen (triage → verzending → verificatie)?
✅ Is er een eenvoudig opleidingsplan voor personeel (30-60 minuten) en een formele feedbackloop voor technici en andere gebruikers?
4 stappen om binnen 90 dagen aan de slag te kunnen gaan
- Inventariseer de belangrijkste pijnpunten en de data die al beschikbaar is. Dit kan in een korte workshop met stakeholders uit bijvoorbeeld FM/RE, IT en Finance.
Kies 1-2 pilotcases (bijvoorbeeld voorspellend onderhoud, ruimteoptimalisatie, ticketrouting). Houd de scope bewust compact. Veel organisaties verkennen onder andere de volgende gebieden voor AI pilots:
- Adaptief onderhoud: Voorspellen van defecten aan apparatuur.
- Comfortregeling: Automatische aanpassing van HVAC en verlichting op basis van daadwerkelijk gebruik en bezettingspatronen.
- Energievraag: Detectie van afwijkingen in energieverbruik.
- Ruimtegebruik: Aanbevelingen voor indeling en optimalisatie van reserveringen. Detectie van onderbenutte ruimtes en aanbevelingen voor beter gebruik.
- Werkplekdiensten: Serviceverzoeken die worden aangemaakt en verwerkt via korte, conversatiegerichte berichten in plaats van lange, complexe formulieren.
- Werk samen met uw platformprovider om te bekijken welke AI mogelijkheden al in uw bestaande platform beschikbaar zijn en wat er nog geconfigureerd of gekoppeld moet worden.
- Definieer meetcriteria en een leercyclus. Streef niet naar perfectie, maar naar meetbare verbetering en een iteratief leerproces.
In veel opzichten dwingt het potentieel van AI organisaties om kritische vragen te stellen over hun huidige manier van werken. Maar er is geen uitgewerkt vijfjarenplan voor AI nodig om aan de slag te gaan. Wat u nodig hebt, is één goed gekozen experiment dat rekening houdt met het grotere geheel.
Dit is deel 2 van een driedelige blogserie over het onderwerp 'AI voor RE & FM'. In onze volgende blog duiken we in de wereld van RFP's en delen we praktische tips over hoe teams hun RFP-vragen kunnen formuleren om de AI-oplossing te krijgen die ze écht nodig hebben.
