Een ziekmelding vastleggen lijkt eenvoudig: naam, datum, reden, verwachte duur, klaar in het systeem. Dat is precies waarom veel bedrijven zich afvragen of AI dit niet gewoon kan overnemen. Het antwoord is deels, en het is nuttig om te weten waarom precies dat deel wel kan en het andere deel niet.
De taak zoals hier afgebakend -- een melding vastleggen met datum, reden en verwachte duur, tot en met de registratie -- is behoorlijk gestructureerd. Er is een vast format: een datum, een tekstveld voor de reden, een inschatting van de duur. Dat scoort dan ook hoog op gestructureerdheid. Het volume is vaak substantieel: elk bedrijf met meer dan een handvol medewerkers heeft doorlopend ziekmeldingen, en die stapelen op tot een aardig aantal uren registratiewerk per jaar. Ook fysiek is er niets aan de hand: dit is puur tekstwerk, geen handeling die iemand ter plekke moet uitvoeren. En klantcontact speelt niet mee -- de melding komt van een medewerker of leidinggevende, niet van een externe klant.
Daar staat tegenover dat compliance de doorslag geeft, en niet in het voordeel van automatisering. Een ziekmelding is medische informatie, of raakt daar direct aan. De reden van verzuim valt vaak onder bijzondere persoonsgegevens, met eigen regels voor wie het mag zien, hoe lang het bewaard blijft en wie er toegang tot heeft. Dat is geen kwestie van 'AI kan tekst verwerken, dus dit kan automatisch' -- het is een kwestie van of de koppeling met het verzuimprotocol en de privacywaarborgen op orde zijn. Zonder dat geborgd te hebben, is registratie door AI niet verantwoord, hoe simpel de taak op papier ook is.
Oordeelsruimte scoort daarom ook laag: er is weinig te wegen bij het vastleggen zelf, maar de gevoeligheid van wat er wordt vastgelegd, vraagt om een zorgvuldige inrichting vooraf. En de foutkosten zijn niet te verwaarlozen: een verkeerd geregistreerde datum of reden kan gevolgen hebben voor de opbouw van verzuimdossiers, voor de re-integratie, en uiteindelijk voor beslissingen waar een medewerker recht op heeft.
Wat AI vandaag aankan, is de tekst: een melding die binnenkomt via een bericht, e-mail of formulier omzetten naar de juiste velden in het verzuimsysteem, met datum en verwachte duur eruit filteren en netjes wegzetten. Dat scheelt een hr-medewerker of leidinggevende het handmatig overtypen van iedere melding. Het gaat dan om het intypen, niet om het beoordelen van de melding, het contact met de medewerker over de reden, of het inschatten van wat de melding betekent voor de bezetting. Dat laatste blijft mensenwerk, en dat is ook precies waar de taak in de praktijk vaak stopt: bij een geregistreerde melding, niet bij de vervolgstappen.
De uitkomst hangt sterk af van hoe een bedrijf zijn verzuimproces heeft ingericht. Een organisatie met een verzuimsysteem dat al gekoppeld is aan het verzuimprotocol en waar de privacyregels rond medische informatie technisch zijn geborgd, kan het intypen van meldingen aanzienlijk sneller laten verlopen dan een bedrijf dat nog met losse formulieren en e-mails werkt. Ook het volume maakt verschil: bij een bedrijf met honderden medewerkers en veel kortdurend verzuim loont automatisering van het invoerwerk eerder dan bij een bedrijf met tien medewerkers, waar een leidinggevende de melding net zo snel zelf intypt.
Dit is een van de vele plekken in een bedrijf waar dezelfde verschuiving zichtbaar wordt: AI neemt het invoerwerk over, mensen houden de verantwoordelijkheid voor wat gevoelig of onzeker is. Diezelfde scheidslijn zie je terug bij het verwerken van verlofaanvragen, waar de aanvraag zelf eenvoudig te verwerken is maar de afweging bij uitzonderingen niet. Ook bij het voorbereiden van salarisverwerking ligt het zwaartepunt op gestructureerde invoer, met menselijke controle op de uitkomst. En bij het opstellen van roosters speelt een vergelijkbare verdeling: het rekenwerk is te automatiseren, de uitzonderingen en de context van een medewerker niet.
Waarom dat bij het ene bedrijf al zo werkt en bij het andere nog niet, hangt niet alleen af van de taak maar ook van de inrichting van systemen en processen daaromheen -- dat wordt verder uitgewerkt op de pagina over waarom hetzelfde werk per bedrijf anders uitvalt. Voor hr-taken in bredere zin, en hoe die zich verhouden tot bijvoorbeeld it-werk, is het aanknopingspunt te vinden op de pagina over werk dat AI op de it-afdeling kan overnemen, waar een vergelijkbare redenering wordt toegepast op een ander domein.
Over personeelsbeslissingen die eventueel volgen uit een lagere werklast bij verzuimregistratie doet deze pagina geen uitspraak: daarvoor gelden eigen wettelijke vereisten, los van wat hier over de taak zelf wordt vastgesteld.
Wilt u weten hoe dit voor uw eigen verzuimproces ligt, dan is de gratis quickscan een eerste stap: twaalf vragen, zonder account, met een indicatie welk deel van de uren in dit profiel vandaag door AI over te nemen is. De volledige werkscan, die het werk van uw bedrijf task voor taak in kaart brengt inclusief fte-berekening, is nog in aanbouw en op dit moment niet beschikbaar.
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.