Het is half negen 's ochtends en het KCC van een gemiddelde Nederlandse gemeente loopt vol. Een losliggende stoeptegel in een woonwijk, een lantaarnpaal die het niet doet, zwerfafval bij een speelplek. Dit zijn de meldingen die elke ochtend en elk eind van de middag op het KCC binnenkomen, in vrijwel elke gemeente.
Meldingen Openbare Ruimte zijn voor veel gemeenten het meest voorkomende type telefoongesprek. Dat maakt ze ook de natuurlijke eerste use case voor spraak AI. Niet omdat het de meest indrukwekkende toepassing is, maar omdat de patronen herkenbaar zijn, de impact direct meetbaar, en de afhandelroute helder.
Patronen die zich lenen voor automatisering
Een MOR-gesprek volgt vrijwel altijd hetzelfde stramien. De inwoner meldt iets, het KCC stelt vragen om de melding te classificeren, vraagt door op locatie en aard van het probleem, en bevestigt wat is genoteerd. Vervolgens belandt de melding in een backoffice systeem zoals Signalen of Fixi.
Voor een spraakassistent zijn deze patronen ideaal. Het zijn geen open inhoudelijke gesprekken waar empathie en nuance het verschil maken, maar gestructureerde dialogen met een duidelijk doel. De inwoner wil iets melden, de gemeente wil het correct vastleggen.
Wat een spraakassistent hier uniek geschikt maakt
Drie eigenschappen pakken precies de pijnpunten van MOR aan.
24/7 bereikbaar. Een losliggende tegel die om 21:00 wordt opgemerkt, hoeft niet te wachten tot de volgende ochtend. De inwoner doet de melding direct, de gemeente heeft 's ochtends al een complete melding klaarliggen.
Geen wachtrij. Op piekmomenten kunnen meerdere inwoners tegelijk een melding doen, zonder dat zij in de wacht hoeven. Dat ontlast het KCC én verhoogt de bereikbaarheidscijfers.
Compleet vastgelegd. De assistent stelt elke melding dezelfde vervolgvragen. Geen vergeten locatie of onduidelijke beschrijving die de afhandelaar nog moet uitvragen.
Wat wij leerden in Leeuwarden, Goes en Tilburg
Bij drie gemeenten draait onze spraakassistent inmiddels. De cijfers zijn het bekende verhaal: minder belasting op het KCC, kortere doorlooptijden in de backoffice, geen onbereikbaarheid op piekmomenten.
Maar wij leerden ook iets minder zichtbaars: hoe inwoners reageren op een spraakassistent. De meeste mensen voelen vrij snel aan dat zij met een geautomatiseerde flow praten en passen hun antwoorden daar op aan. Korte, duidelijke zinnen, gericht op het doel. Dat werkt beter dan menigeen vooraf zou denken.
De brede les
MOR is niet de enige use case voor spraak AI. Maar het is wel de meest voor de hand liggende plek om te beginnen. De impact is direct, de risico's overzichtelijk, en de organisatie ervaart aan één gebied wat AI in de praktijk kan en niet kan. Vanuit daar kunnen volgende use cases volgen, met dezelfde lessen.