AAVA Intake neemt het eerste gesprek met de huurder over. Zodra iemand een reparatieverzoek meldt, stelt het systeem de vragen die een ervaren opzichter ook zou stellen: waar zit het, sinds wanneer, wordt het erger, zit er een badkamer of regenpijp boven. Het vraagt om een foto en beoordeelt die zelf, in het voorbeeld herkent het vochtschade in een hoek met schimmelvorming en aangetast pleisterwerk.
Ondertussen haalt het de gegevens van de woning erbij, adres, woningtype, energielabel, zodat de huurder daar niet naar gevraagd hoeft te worden. Het vergelijkt de melding met eerdere, vergelijkbare gevallen uit de eigen historie en gebruikt die om gerichter door te vragen.
Het resultaat is niet “er is iets met vocht”, maar een dossier: servicetype vocht en schimmel, symptoom vochtplekken op de muur, urgentie hoog, buitenmuur, ontstaan na hevige regen, plek nog nat, niet onder het dak, bron onbevestigd, inspectie ter plaatse nodig. Plus foto en samenvatting, klaar voor de vakman. In dit gesprek duurde dat vijf minuten.
Waar het kan, lost AAVA Intake het zelf op met een doe-het-zelf-oplossing of een advies, in dit geval het advies spullen weg te zetten en te ventileren, en een waarschuwing over veilig omgaan met schimmel. Waar het niet kan, schaalt het op naar een specialist, met alle informatie al verzameld. Dat scheelt onnodige bezoeken, verkeerd ingeplande vaklieden en tweede afspraken omdat het juiste materiaal niet mee was.
Het gesprek past zich aan de melding aan. Tijdens het gesprek houdt AAVA Intake continu bij wat er speelt: servicetype, categorie, symptoom, urgentie, complexiteit en de status van de diagnose. Die beoordeling wordt niet aan het eind gemaakt, maar loopt van bericht tot bericht mee en wordt bijgesteld zodra de huurder iets nieuws vertelt. En op basis daarvan verandert de manier waarop het systeem het gesprek voert. Bij een melding die nog vaag is, stelt het verkennende vragen. Zodra het beeld scherper wordt, schakelt het naar gerichte diagnose. Is duidelijk dat er een vakman aan te pas moet komen, dan schakelt het naar samenvatten en overdragen. Een gewone chatbot heeft één vaste manier van doen, ongeacht de situatie. Dit gesprek beweegt mee, en dat is precies waarom de intake bruikbaar is in plaats van alleen vriendelijk.
Het wordt vanzelf beter, en dat is aantoonbaar. Elk antwoord kan beoordeeld worden met een duim omhoog of omlaag. Die signalen gebruikt AAVA Intake om zelf verbeteringen aan de eigen werkwijze voor te stellen. Belangrijker: het voert die niet zomaar door. Elke voorgestelde verbetering wordt eerst automatisch getest tegen de bestaande versie. Scoort de nieuwe versie beter, dan gaat hij live. Zo niet, dan blijft alles zoals het was. Er hoeft dus niemand handmatig aan de instellingen te sleutelen, en u krijgt geen verbeteringen op basis van een aanname, maar op basis van een meting.
Dit artikel bestaat uit de volgende secties:
Persona's: voor wie is AAVA Intake relevant?
Vier perspectieven op reparatiemeldingen
Een slimme intake voor reparatiemeldingen raakt vier groepen mensen tegelijk: het klantcontactcentrum dat de melding als eerste opvangt, de manager dagelijks onderhoud die de planning en de kosten stuurt, de vakman die daadwerkelijk bij de huurder komt, en de huurder zelf. Onderstaand per perspectief hoe het vandaag voelt en wat er verandert.
Manager KCC
Manager Dagelijks Onderhoud
Vakman
Huurder
Manager KCC
De helft van al het klantcontact, ruim 45 procent, gaat vandaag over dagelijks onderhoud. Dat trekt de bezetting scheef. Piekbelasting laat zich niet plannen, medewerkers zijn wisselend ervaren waardoor de intakekwaliteit varieert, en buiten kantoortijden blijft er werk liggen dat de volgende ochtend moet worden ingehaald. Verzuim en verloop raken je servicebeloftes direct.
Met een slimme intake daalt het reactieve volume zonder dat de kwaliteit inzakt. Elke melding wordt op dezelfde manier gediagnosticeerd, ongeacht wie er zit; intakekwaliteit hangt niet langer af van de ervaring van de medewerker. De 24/7-belofte wordt haalbaar zonder extra formatie, en je medewerkers verschuiven van afhandelen naar de gesprekken waar menselijk contact echt waarde toevoegt.
Het belangrijkste voordeel is schaalbaarheid van kwaliteit zonder groei in FTE.
Manager Dagelijks Onderhoud
Je First Time Fix blijft rond de 72 procent hangen en 65 procent van de mislukte bezoeken komt door een foutieve intake. Elk mislukt bezoek kost ongeveer €150. Onnodige noodmeldingen verstoren de planning, vakmensen zijn schaars en hun uren gaan verloren aan ritten die niet nodig waren. Tegelijk ben je aanspreekbaar op de KWH-score terwijl de oorzaak stroomopwaarts in het klantcontactcentrum ligt.
Met diagnose aan de voorkant komt de melding voorbereid binnen: hogere FTF, minder tweede ritten, minder aanrijtijd. Wat vandaag nog als noodmelding binnenkomt, wordt in de UK in 70 tot 85 procent van de gevallen afgeschaald naar een reguliere reparatie. Je planning wordt beheersbaar en de CO2-uitstoot per reparatie daalt mee. Bij een corporatie van 10.000 verhuurbare eenheden gaat het om circa €504.000 aan jaarlijkse verliezen die je bij de bron aanpakt.
Het belangrijkste voordeel is een voorspelbare planning en een kostenlek dat wordt gedicht op de plek waar het ontstaat.
Vakman
Je komt aan bij een melding "het lekt" en moet zelf uitzoeken wat er speelt. Verkeerd materiaal mee, dus terugkomen. Soms is het probleem er niet meer, of had de huurder het zelf kunnen oplossen. De frustratie van de huurder over de eerdere stappen krijg je op je bord, terwijl die niet aan jou ligt. En na afloop staat de administratie nog te wachten.
Met een gediagnosticeerde melding weet je vóór je instapt wat je aantreft, inclusief foto's en een korte probleembeschrijving. Je hebt het juiste materiaal bij je en de huurder heeft een realistische verwachting van wat er gaat gebeuren. Minder zinloze ritten, meer klussen die je in één keer afmaakt. De AI-diagnose scheelt naar schatting een half uur administratie en een uur aanrijtijd per reparatie.
Het belangrijkste voordeel is dat je vakmanschap naar echt werk gaat, niet naar uitzoeken en heen-en-weer rijden.
Huurder
Vandaag moet je bellen tijdens kantoortijd, in de wachtrij hangen en zelf proberen uit te leggen wat je ziet. Of je klikt je een weg door een beslisboom die niet bij je situatie past. Taal kan een drempel zijn. En dan moet je een halve dag vrij nemen voor een monteur die misschien niet de juiste spullen bij zich heeft, waarna je een tweede afspraak inplant.
Met een slimme intake meld je op het moment dat het probleem zich voordoet, ook 's avonds, via je telefoon en in je eigen taal. Het voelt als een gesprek, niet als een formulier. Soms is het probleem meteen opgelost met een korte uitleg en hoeft er niemand langs te komen. Komt er wél iemand, dan komt die voorbereid en in één keer goed.
Het belangrijkste voordeel is dat je geholpen wordt op het moment dat het jou uitkomt, en in één keer.
Model: hoe werkt AAVA Intake?
Geen chatbot met meningen, maar een vakmodel voor onderhoud
Deze toelichting legt uit hoe AAVA Intake tot een antwoord komt, waarom dat wezenlijk anders werkt dan een algemene AI-assistent, en welke grenzen eromheen staan.
- Waar het om gaat: Het merendeel van de huurdersvragen is routine. Een reparatie melden, een status opvragen, iets doorgeven. Toch belandt dat werk vandaag vaak bij een medewerker, omdat de huurder zijn vraag stelt in gewone taal en niet in de termen van jullie systemen. AAVA Intake vertaalt die gewone taal naar een gebrek in een concrete woning, en kiest daarna de vervolgstap. Niet met een algemeen advies, maar met een intake die aansluit op het proces van de corporatie.
- Dezelfde vraag, twee heel andere antwoorden: Het duidelijkste voorbeeld is een vraag die een huurder letterlijk zo stelt: "Waarom kan ik niet naar de wc?" Een algemene AI-assistent leest daar een gezondheidsvraag in. AAVA Intake leest er een woningvraag in, omdat het weet met wie het praat en waar die persoon woont.
Hoe het model werkt: vier lagen onder één antwoord
Achter elk antwoord zitten vier lagen. Elke laag scherpt de vorige aan. Pas als de onderste drie kloppen, wordt er een vervolgstap gezet.
-
Laag 1 | Signaal van de huurder: Tekst, foto of video, in eigen woorden. Geen formulier met vaktermen. De huurder beschrijft het probleem zoals hij het ziet. Dat mag tekst zijn, een foto of een korte video. Beeld is vaak sneller dan woorden: een lekkende koppeling of een storingscode op het display zegt meer dan een omschrijving.
-
Laag 2 | Context erbij: Woning, contract en eerdere meldingen. Het model weet dat je huurt, en waar. Hier zit het grootste verschil met een algemene assistent. AAVA Intake weet om welke woning het gaat, wat voor woning dat is, wie de huurder is en wat er eerder is gemeld. Diezelfde vraag over de wc krijgt daarmee een heel andere betekenis: niet gezondheid, maar afvoer.
-
Laag 3 | Vertaling naar een gebrek: Vakkennis over installaties en bouwdelen, in plaats van algemeen internet. Het model is getraind op vastgoedonderhoud: installaties, bouwdelen, veelvoorkomende storingen en de manier waarop huurders die beschrijven. Daardoor komt het uit bij een gebrek dat in jullie systeem bestaat, met de juiste gebrekcode, in plaats van bij een algemene tip
- Laag 4 | Vervolgstap kiezen: Zelf oplossen, melden of doorzetten naar een mens. Volgens jullie routes. Op basis van het gebrek volgt de route die de corporatie heeft vastgelegd. Dat kan zijn: de huurder helpt zichzelf met een instructie, er komt een melding met een afspraak, of het gaat naar een medewerker omdat het geen routine is.
Begrijpen, dan pas handelen
Een model dat te snel concludeert, maakt fouten die een medewerker later moet herstellen. Daarom vraagt AAVA Intake door, maar alleen waar dat het antwoord echt verandert. Eén gerichte vraag terug is genoeg om onderscheid te maken tussen twee heel verschillende gebreken.
Binnen vaste kaders, wat het juist niet doet
Wel:
- Alleen jullie kennisbank en afspraken als bron
- Vaste routes per gebrek
- Een mens erbij zodra het afwijkt van routine
- Alles vastgelegd als contactmoment
- Etc.
Niet:
- Geen medisch of juridisch advies
- Geen antwoord verzinnen als de kennis ontbreekt
- Geen toezeggingen buiten jullie afspraken
- Geen beslissingen over uitzonderingen
- Etc.
FAQ
Is dit gewoon ChatGPT met een ander jasje?
Nee. Een algemene assistent is getraind om over alles iets te kunnen zeggen. AAVA Intake is getraind op vastgoedonderhoud en werkt met de context van de woning en de kennisbank van de corporatie. Dat levert een intake op in plaats van een advies.
Verzint het model antwoorden als het iets niet weet?
Nee. Ontbreekt de kennis of wijkt de situatie af van de vastgelegde routes, dan draagt het over aan een medewerker. Er wordt niets toegezegd wat buiten jullie afspraken valt.
Welke kanalen worden ondersteund?
De huurder kiest zelf: chat, de app, telefonie of de balie. De werkwijze is op elk kanaal hetzelfde, zodat het resultaat niet afhangt van het kanaal.
Moeten we onze werkwijze aanpassen?
Nee. De routes, gebreken en afspraken blijven van de corporatie. De intake wordt slimmer, het proces erachter blijft het proces dat jullie hebben ingericht.
Wat gebeurt er met foto's en video's?
Beeld dat de huurder meestuurt, wordt gebruikt om het gebrek te bepalen en gaat mee als bijlage bij de melding. Zo hoeft de vakman niet blind langs te komen.
Blijft alles vastgelegd?
Ja. Elk gesprek landt als contactmoment bij de relatie, met de gekozen route en de aangemaakte melding. Een collega ziet later precies wat er is gebeurd.
Wat als de huurder toch een mens wil?
Dan wordt er overgedragen, met de intake die al is gedaan. De medewerker begint dus niet bij nul, en de huurder hoeft zijn verhaal niet opnieuw te doen.
Hoe groeit dit mee?
Stap voor stap: eerst als reparatie-assistent, daarna als kennisbank- en orchestratie-agent, uiteindelijk als end-to-end self-service. Je begint klein en breidt uit op basis van wat werkt