David

Slimmere hulpverlening dankzij data en AI

Binnen het onderdeel Hulpverlening ontwikkelt David voorspellende modellen. “Daarmee schatten we aan de hand van data in: wat is er aan de hand en wat is de beste oplossing? Kunnen we iemand telefonisch helpen? Moet de Wegenwacht ernaartoe? Of is slepen slimmer? Zo helpen we leden sneller weer op weg én werken we slimmer.”

Een van de oplossingen waar David aan werkt, helpt bij de planning van de Wegenwacht. “We voorspellen hoelang een pechgeval waarschijnlijk duurt. Een lekke band vraagt iets anders dan verkeerd tanken. Op basis daarvan bepalen we slimmer welke collega van de Wegenwacht waarheen gaat.” Ook kijken David en zijn collega’s naar de toekomst van connected car data. “Nieuwere auto’s geven zelf steeds meer storingsinformatie door. Daarmee kunnen we nóg beter voorspellen welke hulp we het best kunnen aanbieden.”

Enorm veel eigenaarschap

Wat David misschien wel het meest waardeert aan zijn werk, is dat hij veel ruimte voor initiatief krijgt. “Als ik met goede ideeën kom, dan krijg ik hier volledig eigenaarschap.” Hoewel grote innovatierichtingen op strategisch niveau worden bepaald, hebben David en zijn collega’s veel invloed op de invulling ervan. “Wij denken mee over de strategie, doen analyses, onderzoeken nieuwe oplossingen en bepalen mede hoe projecten worden uitgewerkt. Die mate van autonomie vind ik heel belangrijk.”

Innovatie doe je samen 

David’s werk draait niet alleen om modellen bouwen en coderen. Het meenemen van collega’s en andere stakeholders is minstens zo belangrijk. “Een oplossing bouwen is één ding”, zegt hij. “Maar zorgen dat mensen begrijpen waarom het waarde toevoegt, weegt net zo zwaar.”

Nieuwe AI-oplossingen hebben vaak invloed op bestaande processen. Daarom besteden David en zijn collega’s veel aandacht aan testen en het creëren van draagvlak. “We laten modellen bijvoorbeeld eerst schaduwdraaien. Dan heeft het nog niet direct invloed op de operatie.” Volgens David is die zorgvuldigheid essentieel. “En bij data en AI moet je natuurlijk ook nadenken over ethiek, privacy en businesswaarde.”

Altijd een vakgenoot om mee te sparren

Binnen zijn team omschrijft David de sfeer als ongedwongen en energiek. “We werken hard en gefocust, maar het is ook gewoon heel gezellig”, vertelt hij. Daarnaast waardeert hij de kennisdeling. “Er zijn veel vakgenoten om mee te sparren. Bij sommige organisaties ben je één van de weinige dataspecialisten. Hier heb ik een hele community van zo’n 20 datascientists.”

Ook over ANWB als werkgever is hij enthousiast. “De werk-privébalans is echt heel goed. Er is veel flexibiliteit. En de arbeidsvoorwaarden zijn gewoon supergoed. Denk aan een ruim individueel keuzebudget en 38 vakantiedagen als je fulltime werkt. Daar is mijn partner jaloers op”, lacht David.

‘’Ook zit ik bij Jong ANWB, een interne vereniging waarbij je kunt verbinden met jongere collega’s. Zo zijn we samen op studiereis naar Parijs geweest, worden er leuke activiteiten georganiseerd en hebben we elke maand een borrel. Het is leuk om collega’s ook buiten werk te leren kennen.’’

Vooroplopen met data en AI

Dat David blij is met zijn werkgever, steekt hij niet onder stoelen of banken. “Ik probeer regelmatig mensen enthousiast te maken om hier ook te komen werken”, zegt hij lachend. “Veel mensen hebben nog een ouderwets beeld van ANWB”, vervolgt hij. “Dat had ik eerlijk gezegd ook een beetje. Maar het tegenovergestelde is waar. We hebben een professioneel MLOps platform en werken met grote data platforms aan traditionele machine learning projecten. Daarnaast ontwikkelen we ook steeds meer genAI oplossingen. Het zit al in veel processen verweven en we zoeken met ons team continu naar nieuwe en slimmere manieren om AI toe te passen in ons werk.” Voorlopig zit David nog helemaal op zijn plek. “Ik heb in anderhalf jaar nog niets ontdekt waarvan ik dacht: dit vind ik minder leuk. Dat zegt toch best veel.”