De praktijk

Hoe een vraagstuk een experiment wordt.

Eén traject volledig doorlopen, van strategisch doel tot het besluit van het MT. Zo ziet het eruit als werk, mensen en AI aan een concreet organisatiedoel worden verbonden.

Voorbeeldscenario
01

Strategisch doel

15% meer orders verwerken, zonder direct extra personeel aan te nemen.

Een productiebedrijf groeit harder dan het personeelsbestand. De vraag aan Werkshift is niet wat AI kan, maar waar de capaciteit vandaan moet komen.

02

Werkproces

De rem zit in de werkvoorbereiding.

Werkvoorbereiders blijken een groot deel van hun dag bezig met informatie verzamelen, controleren en overdragen. Het werk waarvoor ze zijn aangenomen, het technisch beoordelen van complexe orders, komt daardoor in de knel.

03

Werkshift Scan

Niet elke taak vraagt hetzelfde.

Per taak binnen het proces kijken we wat menselijk oordeel vraagt en wat AI kan voorbereiden. Dat levert geen cijfer op, maar een verdeling waar het team zich in herkent.

Technische beoordeling complexe orders90% mens · 10% AI
Uitzonderingen en afwijkingen oplossen85% mens · 15% AI
Klantafstemming bij onduidelijkheid80% mens · 20% AI
Standaardinformatie verzamelen25% mens · 75% AI
Documenten structureren en klaarzetten20% mens · 80% AI

De verdeling komt uit onderzoek en data, en wordt getoetst bij de mensen die het werk dagelijks doen. Zij corrigeren wat een dataset niet kan weten.

04

Hypothese

Als AI de standaardvoorbereiding ondersteunt, houden werkvoorbereiders capaciteit over voor complexe orders.

ExperimenterenGenoeg zicht op de winst om dit in het echte werk te testen.
05

Experiment

Een klein team test enkele weken een aangepaste werkwijze.

Vooraf spreken we af wat we meten en wanneer het experiment geslaagd is. Niet alleen tijd, maar ook kwaliteit, werkdruk en hoe de medewerkers het zelf ervaren.

TijdKwaliteitCapaciteitWerkdrukKlantwaardeVerspillingMedewerkerervaring
06

Resultaat en besluit

Opschalen, aanpassen of stoppen.

Werkt het niet, dan is dat ook een uitkomst: u weet het na enkele weken in plaats van na een implementatietraject van een jaar.

AI was niet het doel. Meer capaciteit was het doel.

De onderdelen

Dit maakt Werkshift zichtbaar.

Van strategische opgave tot de keuze die uw MT maakt. Het rapport en de presentatie zijn de drager, niet het product.

01Strategische opgave

15% meer orders, zelfde bezetting

02Proceskaart
Order binnen
Voorbereidenknelpunt
Beoordelen
Vrijgeven
03Menselijk potentieel
Technisch beoordelen
Uitzonderingen
Klantafstemming
04AI-potentieel
Informatie verzamelen
Structureren
Voorbereiden
05Prioriteiten
WerkvoorbereidingExperimenteren
KlantenserviceVerder onderzoeken
MagazijnNu geen actie
06Experimentenkaart

Hypothese

6 weken4 personentijd + kwaliteit
07MT-keuze
Opschalen
Aanpassen en opnieuw testen
Stoppen

Bewijs

Wat u hierboven zag is een voorbeeldscenario.

Werkshift is jong. Er staan hier bewust geen klantlogo's of quotes die de indruk wekken dat er al tientallen trajecten achter de rug zijn. Zodra de eerste experimenten gemeten resultaten opleveren, staan die hier: met de voorspelling vooraf, de uitkomst na afloop, en het verschil ertussen.

Tot die tijd kunt u beoordelen hoe wij denken en werken: de aanpak, de verantwoording en het voorbeeldrapport laten alle drie zien wat u kunt verwachten.

Welk werkproces zou u willen verbeteren?

Neem één concreet organisatievraagstuk mee. We onderzoeken waar mensen, werk en AI elkaar kunnen versterken.

Bespreek uw vraagstuk