Wouter van de Loo: Van meer mensen naar anders werken

Toen Wouter van de Loo zo’n tien jaar geleden bij Alliander begon, was het werk van een netbeheerder een stuk voorspelbaarder. Jaar na jaar kon redelijk goed worden ingeschat hoeveel werk er aan het elektriciteits- en gasnet nodig was. De energietransitie heeft die werkelijkheid fundamenteel veranderd.

De omvang van de opgave is nauwelijks voorstelbaar. De gezamenlijke netbeheerders moeten de komende jaren ongeveer 50.000 middenspanningsstations bouwen. Zo’n station neemt ongeveer twee parkeerplaatsen in beslag: bij elkaar dus zo’n 100.000 parkeerplaatsen aan ruimte, vaak juist op plekken waar ruimte schaars is. Tegelijkertijd moeten zoveel kabels worden gelegd dat die ongeveer tweeënhalf keer rond de aarde zouden kunnen.

En juist terwijl de hoeveelheid werk explosief groeit, wordt technisch personeel schaarser. Bij Alliander gaan tot 2030 ongeveer 1.500 medewerkers met pensioen, onder wie zo’n 700 technici. De beroepsbevolking groeit nauwelijks en de instroom in technische opleidingen staat onder druk.

Voor Van de Loo maakte dat arbeidsmarktbeleid tot iets anders dan een HR-vraagstuk. Als Alliander onvoldoende mensen en vaardigheden heeft, kan het bedrijf zijn maatschappelijke opdracht niet uitvoeren. Arbeid werd daarom een van de strategische thema’s van het bedrijf en werd nadrukkelijk aan de productiekant van de organisatie verankerd.

Alleen werven is niet genoeg

De eerste jaren lag veel nadruk op het vergroten van de capaciteit. Alliander ging intensiever samenwerken met onderwijs, overheid en andere organisaties, investeerde in opleidingen en maakte een forse beweging naar internationalisering. Voor een organisatie die lang sterk Nederlands georiënteerd was, betekende dat een behoorlijke verandering.

De aanpak leverde resultaat op. Alliander groeide in vijf jaar van ongeveer 6.600 naar meer dan 11.000 medewerkers. De tijd die nodig is om nieuwe mensen inzetbaar te krijgen, nam fors af terwijl de kwaliteit verbeterde en tegelijkertijd werd gewerkt aan behoud, opleiding en samenwerking binnen de sector.

Maar daarmee ontstond een volgend inzicht. Zelfs als het lukt om veel nieuwe mensen binnen te halen, groeit de hoeveelheid werk harder dan de mankracht. Er zijn simpelweg niet genoeg mensen om de energietransitie uit te voeren door steeds opnieuw vacatures in te vullen.

Daarom verschoof de vraag van ‘hoe krijgen we voldoende mensen binnen’ naar ‘hoe creëren we voldoende capaciteit en productiviteit om onze maatschappelijke opdracht uit te voeren’?

Daarvoor moet je volgens Van de Loo niet bij vacatures beginnen, maar bij het werk zelf. Welke werkzaamheden voegen waarde toe? Welke kunnen anders worden georganiseerd? Waar kan technologie ondersteunen? En welke specifieke vaardigheden hebben mensen daarvoor nodig?

Drie voorbeelden van capaciteitswinst

AI en andere technologieën zijn met name interessant omdat het capaciteit kan vrijmaken. Het eerste voorbeeld is bestaand werk slimmer uitvoeren. Een eenvoudig voorbeeld is de meterkast. Voor bepaalde werkzaamheden moet Alliander eerst weten hoe de meterkast bij een klant er precies uitziet. Waar medewerkers voorheen informatie handmatig moesten verzamelen en beoordelen, haalt nu beeldherkenning gegevens uit een foto van de meterkast. Het systeem herkent bijvoorbeeld het meternummer en kenmerken van de aansluiting en kan die informatie direct in het proces verwerken. Dat scheelt volgens Van de Loo duizenden uren. Deze uren kunnen worden ingezet voor werk dat anders blijft liggen.

Het tweede voorbeeld is veiliger en vaker kunnen inspecteren. Drones worden ingezet bij inspecties van hoogspanningsinstallaties. Medewerkers hoeven daardoor minder vaak fysiek op hoogte te werken. Tegelijkertijd ontstaan meer meetmomenten en meer data, waarmee afwijkingen eerder kunnen worden herkend en onderhoud beter kan worden voorspeld.

Ook bij het sturen van het elektriciteitsnet speelt AI een rol. Met OpenSTEF voorspelt Alliander enkele uren tot dagen vooruit hoeveel elektriciteit door het net zal lopen. Daarvoor gebruikt het systeem onder meer metingen, weersvoorspellingen en energieprijzen. Zo kunnen pieken en dalen eerder worden gesignaleerd, kan netcongestie worden teruggebracht en kan de beschikbare capaciteit beter worden benut.

Sneller vakbekwaam worden

Een derde voorbeeld van capaciteitswinst is misschien wel het relevantst voor een krappe arbeidsmarkt: mensen sneller een vak laten beheersen. Een monteur die van school komt, kan niet onmiddellijk zelfstandig aan het elektriciteitsnet werken. Door de vele verschillende situaties en netconfiguraties kost het jaren om voldoende ervaring op te bouwen.

Met Simu-leren kunnen technici in een virtuele omgeving situaties oefenen. Daardoor kan een deel van het leren plaatsvinden zonder voortdurend een ervaren collega als begeleider nodig te hebben. Volgens Alliander kan dit de benodigde begeleidingscapaciteit met 15 tot 40 procent verminderen.

Daar zit voor Van de Loo een belangrijk inzicht. Bij productiviteit wordt al snel gedacht aan hetzelfde werk sneller uitvoeren. Maar in een krappe arbeidsmarkt kan technologie ook productiviteit opleveren doordat mensen sneller leren, kennis gemakkelijker beschikbaar wordt of ervaren vakmensen minder tijd kwijt zijn aan begeleiding.

Dat sluit aan bij de bredere beweging die Alliander probeert te maken: minder denken vanuit vaste functies en meer vanuit vaardigheden. Als werk verandert, moet niet alleen worden gekeken welke functie iemand heeft, maar vooral welke specifieke skills nodig zijn en waar mensen die gericht op taken kunnen inzetten.

Niet alles automatiseren

Toch betekent dat niet dat alles wat AI kan overnemen, ook moet worden overgenomen. Alliander probeert daarom bij nieuwe AI-toepassingen expliciet te kijken naar de gevolgen voor werk, rollen en mensen.

Een concreet dilemma ontstond rond werkzaamheden die traditioneel door starters worden gedaan. Sommige daarvan zijn technisch goed te automatiseren. Maar wanneer al het eenvoudige werk verdwijnt, verdwijnt mogelijk ook de route waarlangs medewerkers ervaring opbouwen en uiteindelijk specialist worden.

Van de Loo noemt het voorbeeld van de netarchitect, een specialistische functie waarin o.a. wordt berekend hoe het elektriciteitsnet moet worden ingericht. Voor deze specialistische functie, die tot de kern van het bedrijf behoort, is diepgaande kennis van het ontwerp van het elektriciteitsnet nodig. De stappen waarin toekomstige experts het vak leren, moeten daarom zorgvuldig worden beschermd. Productiviteit op korte termijn kan anders ten koste gaan van vakmanschap op lange termijn.

Waar raakt AI het werk?

Om die discussie concreter te maken, heeft Alliander een AI hotspot- en exposurekaart ontwikkeld. Daarbij wordt per functie gekeken uit welke activiteiten het werk bestaat en in welke mate AI die werkzaamheden kan ondersteunen of overnemen.

Het verschil tussen functies kan groot zijn. Bij een softwareontwikkelaar is de verwachte impact van AI aanzienlijk groter dan bij een elektromonteur. Maar juist dat verschil maakt zichtbaar waar de organisatie als eerste moet nadenken over andere taken, vaardigheden en loopbaanpaden.

Van de Loo waarschuwt ervoor de kaart als exacte voorspelling te zien. Daarvoor verandert AI te snel en is werk te complex. De waarde zit vooral in het gesprek dat erdoor ontstaat. Welke delen van een functie veranderen? Wat betekent dat voor medewerkers? Welke expertise moet behouden blijven? En waar ontstaat ruimte om productiever te worden?

Daarmee verschuift ook de rol van HR. De toekomst van werk laat zich niet meer netjes verdelen tussen een HR-afdeling die over mensen gaat en een IT-afdeling die over technologie gaat. Als AI taken verandert, raakt dat tegelijkertijd organisatieontwerp, vakmanschap, leren, leiderschap en technologie. Bij Alliander zijn HR en IT de afgelopen jaren dan ook steeds dichter naar elkaar toegegroeid.

Geen magie, wel een powertool

AI is voor Van de Loo geen oplossing die de problemen op het elektriciteitsnet vanzelf laat verdwijnen. Het is een hulpmiddel binnen een bredere transformatie van arbeid, onderwijs en organisatie. Die transformatie vraagt ook om samenwerking met andere netbeheerders, onderwijs, overheid en werkgevers.

De kern is dat de energietransitie niet kan worden uitgevoerd door alleen harder te werven of harder te werken. Organisaties moeten fundamenteel anders kijken naar werk, vaardigheden en technologie. AI kan daarbij een krachtige powertool zijn, maar alleen als mensen ermee kunnen omgaan en als de keuzes bijdragen aan de maatschappelijke opdracht.