Recreatiebedrijven draaien op een combinatie die in weinig andere sectoren zo samenkomt: seizoenspieken, een grote populatie flexibele en tijdelijke medewerkers, gastcontact dat het product zelf is, en een backoffice die jaarrond moet blijven draaien terwijl de voorkant de helft van het jaar op halve kracht werkt. De uren zitten voor een groot deel in front-office werk — inchecken, informatie geven, boekingen wijzigen, klachten afhandelen — en in planning: roosters, capaciteitsverdeling over accommodaties of attracties, en onderhoud dat rond de seizoenswisseling piekt. Daarnaast is er het administratieve werk dat los van het seizoen doorloopt: facturatie, contractbeheer, rapportage aan eigenaren of franchisegevers.
De omstandigheid die de uitkomst het meest stuurt, is de spreiding van het werk over vaste kern en flexibele schil. Een organisatie met een kleine vaste kern en een grote seizoensschil heeft andere knelpunten dan een bedrijf dat jaarrond met een vast team werkt. Dat verschil bepaalt niet alleen waar de uren zitten, maar ook waar herhaling zit — en herhaling is precies waar AI aangrijpt.
Bij een deel van de recreatiebedrijven wordt een boekingswijziging, een standaardvraag over openingstijden of een eerste reactie op een klacht inmiddels door een systeem afgehandeld, zonder dat een medewerker het ziet voordat het verstuurd is. Bij andere bedrijven loopt exact dezelfde taak nog volledig via een medewerker, met dezelfde herhaling, dezelfde standaardvraag, dezelfde tijdsdruk in het seizoen. Het verschil zit niet in de aard van het werk — dat is vergelijkbaar — maar in of de onderliggende gegevens (boekingssystemen, kennisbank, klachtenhistorie) op orde en gekoppeld zijn. Waar dat niet zo is, blijft de taak mensenwerk, niet omdat het werk dat vereist, maar omdat de voorwaarde ervoor ontbreekt.
Dezelfde drie categorieën lopen door het seizoen heen. Een deel van het werk kan een systeem overnemen: routineboekingen, standaardcommunicatie, eerste triage van vragen. Een deel gaat deels, met een medewerker die goedkeurt of afkeurt en daar een reden bij geeft: een conceptantwoord op een klacht, een voorstel voor roosterbijstelling bij ziekte, een planningsscenario voor een drukke week. En een deel blijft mensenwerk: de gast die op de vloer een probleem heeft, de afweging bij een grensgeval in een contract, het gesprek met een eigenaar over een investering. Die verdeling verschuift met het seizoen mee — in de piek verschuift vaak meer richting systeem, simpelweg omdat het volume dat vraagt, terwijl in de rustige periode meer ruimte is voor menselijke afhandeling.
"AI-ambitie" wordt in recreatiebedrijven vaak op verschillende niveaus ingevuld zonder dat dat wordt uitgesproken. De ene directeur bedoelt een chatbot voor de website, de andere bedoelt een systeem dat de volledige seizoensplanning doorrekent, de derde denkt aan geautomatiseerde facturatie richting eigenaren. Dat zijn geen gradaties van dezelfde ambitie — het zijn andere ambities met andere vereisten. Een chatbot vraagt een goed gevulde kennisbank; een planningssysteem vraagt betrouwbare historische data over bezetting en personeel; geautomatiseerde facturatie vraagt gestandaardiseerde contracten. Zonder die vertaalslag ontstaat het patroon dat ook buiten deze sector speelt: waarom mensen verschillende dingen bedoelen met dezelfde woorden, en een besluit dat door de een als "klein project" en door de ander als "fundamentele verandering" wordt opgevat.
Dat botst ook met bestaande afdelingsdoelen. Een front-office-team dat op gastscore wordt afgerekend, ervaart een geautomatiseerde eerste reactie anders dan een planningsafdeling die op kostenbesparing stuurt. Wat te doen als die doelen elkaar tegenwerken, is een vraag die verder gaat dan recreatie alleen en apart behandeld wordt op de pagina over botsende afdelingsdoelen.
Gereedheid voor een AI-ambitie in recreatie hangt sterk af van dataketens die vaak versnipperd zijn over boekingssysteem, kassasysteem en personeelsplanning, van hoeveel seizoenspersoneel is opgeleid om afwijkingen van een systeemvoorstel te herkennen, en van of besluitrechten helder liggen tussen locatie en hoofdkantoor. Een ambitie om roosterplanning te automatiseren is pas realistisch als duidelijk is wie een systeemvoorstel mag overrulen en op welke grond. Dat raakt niet aan de vraag of iemand zijn functie behoudt — daarvoor gelden eigen wettelijke vereisten, los van deze toets — maar aan de vraag of de organisatie het werk al zo heeft ingericht dat het verplaatst kan worden.
De recreatiebranche staat hierin niet alleen: vergelijkbare knelpunten rond piekbelasting en flexibele schillen zien we terug bij de AI-ambities die in de schoonmaakbranche speneen en, met een andere piekstructuur maar hetzelfde vraagstuk rond planning en toezicht, bij de AI-ambities in de zorg.
De vraag welk werk in uw bedrijf werkelijk door AI is over te nemen, wordt niet in algemene zin beantwoord maar per taak — dat is precies waar de werkscan van FTE TO AI voor is ingericht. Voor een eerste beeld, zonder daarop te wachten, is er de gratis gereedheidscheck: acht korte vragen, één per dimensie, die laten zien waar uw organisatie het verst en waar het minst ver is. De volledige ambitietoets, met de vier lagen en vijf confidence gates, is in aanbouw.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.