Automatisering en de menselijke maat in de publieke sector

Non-profits en publieke organisaties zitten met een paradox in de klantenservice. De mensen die ze bedienen hebben vaak de meest complexe, gevoelige vragen. De budgetten om die vragen goed te beantwoorden zijn juist het krapst. Extra mensen aannemen kan meestal niet. Mensen slecht bedienen ook niet.

De Goede Doelen Loterij, die meer dan tachtig goede doelen steunt, loste die paradox in 2025 op met een digitale medewerker: Jennifer. Het resultaat was de sterkste klanttevredenheid van het hele Freeday-cohort van 2025. Dat is het bekijken waard, want het weerlegt de aanname dat automatisering ten koste gaat van aandacht.

Waarom klantenservice bij non-profits lastiger is dan het lijkt

De achterban van de Goede Doelen Loterij is geen doorsnee B2C-publiek. Veel deelnemers zijn ouder, betrokken uit oprechte verbondenheid met de goede doelen, en verwachten netjes behandeld te worden als ze contact opnemen.

De vragenmix laat dat zien: prijsmeldingen, betaalvragen, wijzigingen in het abonnement, en soms de emotionele kant van geven. Dat zijn geen puur transactionele vragen. Ze vragen een toon die warm, helder en respectvol is. Precies het soort service waarvan AI-leveranciers vroeger zeiden dat het niet kon. De aanname was dat automatisering geschikt was voor transacties, en ongeschikt voor alles wat empathie vraagt. Jennifer weerlegt dat.

Wat Jennifer de sterkste presteerder maakte

De verschillen tussen de best en minst scorende inzetten in het cohort zeggen meer dan het gemiddelde. Drie dingen maakten het verschil bij Jennifer:

Kwaliteit van de kennisbank. De Goede Doelen Loterij investeerde vóór de livegang in een kloppende kennisbank. Jennifer had accurate, complete informatie over de loterijstructuur, prijscategorieën, goede doelen, betaalprocessen en veelgestelde vragen. Deelnemers kregen juiste antwoorden. Klinkt basaal, maar het is waar veel inzetten stranden.

Gespreksontwerp. Jennifers stijl was ontworpen voor dit publiek: warm, helder, gepast formeel, nooit gehaast. De toon paste bij wat deelnemers van de organisatie gewend zijn. Dat is een ontwerpkeuze, geen standaardgedrag.

Kwaliteit van de escalatie. Kwam er een vraag die een mens nodig had, dan was de overdracht schoon. De deelnemer hoefde zijn verhaal niet opnieuw te doen; de medewerker kreeg de context al klaargezet. Een samenhangende ervaring in plaats van een gefragmenteerde.

De publieke sector en AI

Overheden en publieke organisaties zijn voorzichtiger geweest met AI in de klantenservice, om begrijpelijke redenen: regeldruk, politieke gevoeligheid rond automatisering en werk, en terechte zorgen over digitale uitsluiting.

Maar de druk om de dienstverlening te verbeteren zonder meer mensen neemt toe. Gemeenten, woningcorporaties en nutsbedrijven zien groeiende contactvolumes bij gelijkblijvende of krimpende budgetten. Woningcorporaties zijn een concreet voorbeeld: bij Woonbron draait de AP-automatisering op zo'n 80% (35.000 facturen per jaar), en ook Eigen Haard zette AI in. De governance-pagina gaat dieper op deze publieke inzetten in. En voor bestuurders die vrezen dat hun burgers of huurders slecht reageren op automatisering: het resultaat bij de Goede Doelen Loterij, met een veeleisend publiek, is geen waarschuwing maar een bevestiging.

De werkgelegenheidsvraag, eerlijk beantwoord

Elk gesprek over AI in de non-profit en publieke sector komt uit bij de vraag: vervangt AI de mensen die dit werk nu doen?

Het eerlijke antwoord uit de cohortdata: dat hangt af van wat je met de vrijgespeelde capaciteit doet. Het cohort van 2025 speelde 95 fte vrij over zes inzetten. Meestal ging die capaciteit naar complexer werk, niet naar minder mensen. Voor een non-profit-team betekent "complexer werk" de emotioneel zware gevallen die echte menselijke empathie en relatievaardigheid vragen. Een AI die routinematige prijs-, abonnements- en betaalvragen afhandelt, geeft het team tijd voor de deelnemers die bellen omdat ze financieel klemzitten of een complexe situatie hebben. Dat is geen slechtere service. Voor wie het het hardst nodig heeft, is het een betere.

Hoe de implementatie eruitziet bij een krap budget

Non-profits en publieke organisaties denken vaak dat AI een grote IT-afdeling en fors budget vraagt. De livegang van ATAG in 14 dagen laat het tegendeel zien.

Het Freeday-model is gemaakt voor organisaties zonder eigen AI-engineeringteam. Het integratiewerk doet het uitrolteam, de kennisbank komt uit bestaande documentatie, en de rol van de organisatie is toegang geven tot kennis en systemen en meedenken bij het testen. De doorlopende taak is kennisbeheer: iemand houdt de kennisbank actueel. Dat is contentbeheer, geen techniek. De meeste organisaties hebben al mensen die de website en communicatie beheren; dit is vergelijkbaar. Bekijk de klantcases voor wat dat oplevert.

Zorg als aangrenzende sector

De publieke sector omvat ook de zorg, met eigen kenmerken die hier spelen. Zorg-AI valt onder extra regels en kent een hoger risicoprofiel dan loterij- of woningvragen. De healthcare-agent van Freeday beschrijft de specifieke afwegingen, inclusief het menselijk toezicht en welke contacttypes binnen scope vallen en welke klinische betrokkenheid vragen.

De meest gestelde vragen

Werkt AI-klantenservice voor kwetsbare doelgroepen?

Ja, mits zorgvuldig ontworpen. Het resultaat bij de Goede Doelen Loterij, met een ouder publiek, laat zien dat AI ook groepen kan bedienen die minder met techniek vertrouwd zijn. De sleutel is gespreksontwerp dat past bij de doelgroep, geen generieke chatbot-toon.

Verlaagt AI de kosten bij non-profits?

Ja, al is de grootste winst voor veel non-profits de servicekwaliteit en het herverdelen van capaciteit, niet de kostenbesparing. Mensen vrijmaken van routinevragen voor complexe, gevoelige contacten verbetert zowel de medewerker- als de klantbeleving.

Hoe gaan publieke organisaties om met digitale uitsluiting?

Een goede inzet houdt de weg naar een mens laagdrempelig voor wie dat wil of nodig heeft. De AI is geen drempel voor menselijk contact, maar een snellere route voor wie er comfortabel mee is. Menselijke medewerkers blijven beschikbaar.

Wat is een realistisch implementatiebudget voor een non-profit?

Dat verschilt sterk per contactvolume en scope. Het beste startpunt is een gesprek over volume en mix. Het SaaS-model van Freeday is ook toegankelijk voor organisaties zonder groot IT-budget.

Hoe lang duurt de livegang?

Standaard Freeday-uitrollen staan in twee tot vier weken live. Bij non-profits is de voorbereiding van de kennisbank vaak de langste fase, omdat documentatie over meerdere systemen verspreid staat.

Benieuwd of jouw contactvolume een inzet rechtvaardigt? Plan een gesprek.