Medewerkers stellen doorlopend vragen aan HR: hoeveel verlofdagen heb ik nog, hoe werkt de reiskostenregeling, wat is de procedure bij ziekte, waar meld ik een adreswijziging. Dit is een taak die begint bij een vraag en eindigt bij een gegeven antwoord of een doorverwijzing naar een collega. Precies die begrenzing maakt hem interessant om te scannen: het is geen open advies-traject, maar een afgebakende actie met een duidelijk eindpunt.
Drie assen bepalen hier het beeld, en die vallen gunstig uit.
Het volume is hoog. In elke organisatie met meer dan een handvol medewerkers komen dezelfde vragen keer op keer terug: verlofsaldo, ziekmeldingsprocedure, thuiswerkregeling, reglement onkosten. Een hoog volume van vergelijkbare vragen is precies waar automatisering zich uitbetaalt, omdat de tijdsbesparing per vraag klein is maar de optelsom over honderden of duizenden vragen per jaar aanzienlijk.
De gestructureerdheid is redelijk, al niet perfect. Regelingen staan vast in een cao, personeelshandboek of hr-systeem, en de meeste vragen zijn te herleiden tot een vastgelegd antwoord. Maar niet elke vraag is een simpele lookup: "kan ik mijn verlof opsparen voor een sabbatical" raakt aan uitzonderingen, overgangsregelingen of individuele afspraken die niet altijd overal even goed gedocumenteerd zijn.
Het klantcontact is intern en laagdrempelig. Een medewerker die vraagt naar zijn verlofsaldo verwacht een snel, feitelijk antwoord, geen persoonlijk gesprek. Dat maakt het verschil met bijvoorbeeld een extern klantgesprek waarin toon en relatie zwaarder wegen. Bij interne, feitelijke vragen is een geautomatiseerd antwoord vaak net zo bruikbaar als een antwoord van een collega, zolang het klopt.
De oordeelsruimte is beperkt maar niet nul. Een vraag over het aantal verlofdagen is een rekensom. Een vraag over "mag ik mijn verlof laten uitbetalen omdat ik overwerkt was door de coronaperiode" vraagt om interpretatie van een specifieke situatie, mogelijk in combinatie met eerdere afspraken. Zodra de vraag niet één-op-één te herleiden is tot een regel, is er ruimte voor beoordeling nodig — en dat is precies het punt waar de taak overgaat van categorie één naar categorie twee: AI kan een conceptantwoord geven, maar een medewerker keurt het goed of stuurt het terug.
De compliance-kant speelt hier ook mee. Verlof- en verzuimregelingen raken aan arbeidsrecht en soms aan de Wet verbetering poortwachter. Een foutief antwoord over ziekteverzuim kan gevolgen hebben die verder gaan dan een ongemakkelijk gesprek. Dat betekent niet dat AI hier niet mag worden ingezet, maar wel dat een antwoord met juridisch gewicht een escalatiepad nodig heeft naar een mens die de eindverantwoordelijkheid draagt.
De foutkosten zijn gematigd: een verkeerd antwoord over de kantoortijden is vervelend maar herstelbaar, een verkeerd antwoord over opzegtermijnen of ontslagprocedures kan een medewerker op het verkeerde been zetten met reële gevolgen. Dat verschil in gewicht binnen één taakcategorie is precies waarom een blanco ja of nee hier niet volstaat.
De uitkomst is niet een volmondig "ja, AI neemt dit over". Het is een gelaagd antwoord: het overgrote deel van de standaardvragen — verlofsaldo, procedures, waar vind ik welk formulier — is goed automatiseerbaar omdat het gestructureerd, hoogvolume en laag-risico is. Vragen die persoonlijke omstandigheden, uitzonderingen of juridisch gevoelige onderwerpen raken, vallen in de tussencategorie: AI stelt een antwoord op, een hr-medewerker keurt goed of af, met reden. Vragen die om echt maatwerk vragen — een individueel dossier, een conflict, een precedent dat nog niet is vastgelegd — blijven mensenwerk.
Deze uitkomst hangt sterk af van hoe goed de onderliggende kennis is vastgelegd. Een organisatie met een actuele, eenduidige kennisbank van regelingen en procedures haalt veel meer uit automatisering dan een organisatie waar afspraken los in e-mails en hoofden van hr-medewerkers zitten. Ook een sector met veel cao-varianten, ploegendiensten of individuele contractafspraken duwt de gestructureerdheid omlaag en dus de taak richting meer menselijk toezicht. Een bedrijf met een klein, homogeen personeelsbestand heeft weer minder volume-voordeel, waardoor investeren in automatisering minder snel loont.
AI kan hier vandaag alleen met tekst werken: vragen beantwoorden op basis van vastgelegde regelingen. Dat vereist een actuele kennisbank die daadwerkelijk klopt, en een helder escalatiepad voor vragen die buiten de standaard vallen. Zonder die twee bouwstenen levert automatisering hier vooral verwarring op, geen tijdwinst.
Houdt deze verandering ook verband met een herverdeling van hr-taken of een kleinere hr-formatie, dan gaat het al snel om meer dan een tool-keuze. Kijk dan ook naar wanneer de ondernemingsraad erover gaat en hoe u de ondernemingsraad informeert over AI. Voor personeelsbesluiten die hieruit zouden kunnen volgen gelden eigen wettelijke vereisten; dat is geen onderdeel van deze scan.
Wilt u weten hoeveel van de hr-vragen in uw organisatie in aanmerking komen voor automatisering, en welk deel toezicht blijft vragen? De gratis quickscan van ftetoai geeft in twaalf vragen, zonder account, een indicatie van welk deel van de uren in uw profiel vandaag door AI is over te nemen. De volledige werkscan, die dieper op individuele taken en systemen ingaat, is nog in aanbouw.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.