AI tegen woningnood: hoe WonenBreburg woningen weken sneller verhuurt

Hester Tijink is programmamanager dienstverlening bij WonenBreburg, een woningcorporatie in de sociale huursector. Haar werk draait om één ding: de communicatie en dienstverlening richting huurders soepel laten verlopen. Twee hardnekkige problemen stonden dat in de weg. Het ene kostte begrip, het andere kostte tijd, veel tijd. Binnen drie maanden in de GenAI Academy van Het AI Lokaal loste Hester ze allebei op. Niet met theorie over AI, maar door haar eigen praktijkvraagstukken stap voor stap om te bouwen tot werkende oplossingen.

Het eerste probleem: communiceren met huurders die geen Nederlands spreken

In de sociale huursector wonen mensen uit talloze landen en culturen. WonenBreburg communiceert met huurders die vaak geen Nederlands en geen Engels spreken. En dat maakt iets simpels ineens ingewikkeld: een nieuwsbrief, de aankondiging van een nieuwe woning, de huisregels, of de uitleg hoe je je woning bij vertrek correct oplevert.

Die informatie moet aankomen. Niet alleen vertaald, maar begrijpelijk, passend bij de taal, de cultuur en de context van de ontvanger. Een letterlijke vertaling is niet genoeg als de toon of de aannames niet kloppen. Voor een team dat duizenden huurders bedient, is dat met de hand niet vol te houden.

De oplossing: AI-assistenten die de doelgroep echt begrijpen

Samen met Hester bouwden we in de Academy professionele GPT's: AI-assistenten die zijn ingericht op de specifieke doelgroepen van WonenBreburg. Niet één generieke vertaaltool, maar assistenten die rekening houden met taal, sector, cultuur en context van de huurder.

Het resultaat is communicatie die niet alleen in de juiste taal binnenkomt, maar ook in de juiste toon. Brieven, nieuwsbrieven en uitleg over regels en oplevering worden nu opgesteld met assistenten die de doelgroep beter aanvoelen dan welke standaardvertaling ook. Wat eerst handwerk en giswerk was, is nu een herhaalbare werkwijze.

Het grootste probleem: woningen die niet online konden

Hier zat de echte pijn, en het is een probleem dat de hele sociale huursector kent. Als een huurder vertrekt, is de woning lang niet altijd leeg en schoon. Regelmatig staat er nog troep: vuilnis, achtergelaten meubels, rommel. En een vieze, volgepropte woning kun je niet fotograferen voor de verhuur. Geen foto's betekent: de woning kan niet online.

Het gevolg is een vertraging van gemiddeld twee tot vier weken per woning. Eerst moet de woning leeggehaald en schoongemaakt worden voordat er überhaupt een bruikbare foto gemaakt kan worden. In een sector met een enorm woningtekort is dat kostbare tijd. Elke week dat een woning niet online staat, is een week dat een nieuwe huurder niet kan reageren.

En dit is geen probleem van WonenBreburg alleen. De hele branche loopt ertegenaan. Woningcorporaties in de sociale huur zijn geen concurrenten van elkaar, ze werken juist samen, omdat het tekort aan woningen het gezamenlijke probleem is. Een oplossing hier helpt dus niet één corporatie, maar de hele sector.

De oplossing: een AI-workflow die de ruimte intact laat en alleen de rommel weghaalt

In de Academy bouwden we samen met Hester een AI-workflow die dit probleem bij de wortel aanpakt. Het werkt zo: iemand gaat de woning in en maakt foto's, precies zoals de woning er op dat moment bij staat, rommel en al. Vervolgens verwerkt de AI-workflow die foto's.

Het cruciale verschil met gewone AI-beeldgeneratie zit in wat de workflow wél en niet doet. De workflow laat de ruimte zelf één op één intact: de afmetingen, de indeling, de ramen, de vloer, de muren, alles blijft kloppen met de werkelijkheid. Wat de workflow weghaalt, is uitsluitend de ruis die er niet hoort: de vuilniszakken, de achtergelaten vieze meubels, de rommel op de grond. Wat overblijft is een eerlijke, realistische impressie van hoe de woning eruitziet als die schoon en opgeruimd is.

Dat onderscheid is belangrijk, want het is precies waar veel AI-beeldbewerking de mist in gaat. Een tool die er een compleet nieuwe, te mooie kamer van maakt, levert een misleidend beeld op en verliest het vertrouwen van de huurder. Deze workflow doet het omgekeerde: hij houdt de woning waarheidsgetrouw en haalt alleen weg wat tijdelijk in de weg staat. Zo krijgt een potentiële huurder een betrouwbaar beeld van de ruimte die hij of zij echt gaat huren.

We zijn eerlijk over de techniek: de workflow draait op ongeveer 95% echtheid. Hij maakt nauwelijks hallucinaties, en waar dat wel gebeurt, gaat het om kleine, onschuldige foutjes. Goed genoeg om woningen verantwoord online te zetten, zonder de huurder een vals beeld te geven.

Het resultaat: weken tijdwinst, per woning

De winst is direct en concreet. Waar een woning eerst twee tot vier weken stil stond omdat er geen bruikbare foto's gemaakt konden worden, kan diezelfde woning nu vrijwel meteen online. De workflow bespaart letterlijk weken aan tijd, per woning.

Vermenigvuldig dat met het aantal mutaties dat een corporatie per jaar verwerkt, en de impact wordt enorm. Sneller online betekent sneller verhuurd, en in een sector met een schreeuwend woningtekort betekent sneller verhuurd dat mensen eerder een dak boven hun hoofd hebben. Tijdwinst is hier niet alleen een besparing, het is maatschappelijke winst.

Wat Hester in drie maanden leerde

Hester begon dit traject met weinig AI-ervaring. Daarvoor had ze één algemene introductie gevolgd, het soort training waarin je hoort wat AI is en voorbeelden ziet, maar zelf nog niets bouwt. Ze wilde juist het tegenovergestelde: in de praktijk aan de slag met haar eigen vraagstukken.

In haar eigen woorden zijn de bouwsessies op kantoor het waardevolst: <em>"Je bent met elkaar echt aan het kijken wat de mogelijkheden zijn, en je kunt afkijken waar iedereen mee bezig is. Soms zie je dingen die je zelf ook heel graag zou willen, maar dat je nog niet wist dat je het zelf ook kon."</em>

Binnen drie maanden ging Hester van vrijwel niets met AI doen naar:

• professionele GPT's bouwen voor communicatie en schrijfwerk, afgestemd op de doelgroep;

• realistische beelden maken met AI, inclusief gekloonde personen en 360-graden beeld;

• realistische video's maken met AI;

• een complete AI-workflow bouwen die per woning weken tijd bespaart.

Waarom dit in de GenAI Academy lukte

Dit is precies hoe de GenAI Academy werkt. We beginnen niet bij de vraag "hoe leer je AI?". We beginnen bij jouw use case. Het echte probleem uit je eigen werk is het startpunt, en de theorie bouwen we daaromheen. Praktijklerend, en wat je leert, pas je dezelfde dag nog toe.

Voor Hester betekende dat: haar communicatieprobleem en haar fotoprobleem stonden centraal, en de AI-kennis volgde daaruit. Geen losse trucjes, maar werkende oplossingen die direct verschil maken in haar werk en in de dienstverlening aan huurders.

Dit was het eerste grote succes met Hester en WonenBreburg. Het smaakt naar meer, en samen bouwen we verder aan de volgende oplossingen.

Zelf je vraagstuk omzetten in een werkende AI-oplossing?

Net als Hester leren hoe je AI inzet voor je eigen praktijkvraagstukken? Dat doe je in de GenAI Academy van Het AI Lokaal. We starten bij jouw use case en bouwen de oplossing praktijklerend op.

Bekijk de GenAI Academy: https://www.hetailokaal.nl/genai-academy