Notities & Aantekeningen draait nog als experiment, dus ik laat alleen zien wat Nedap zelf al naar buiten heeft gebracht, aangevuld met hoe we erover dachten. Nedap beschrijft de feature op hun supportpagina. Gezien de relevantie rondom AI wil ik het hier toch al zover ik kan met je delen.
Iets met LLMs
De Nedap Ons® Suite is marktleider in software voor de niet-medische zorg, zoals thuiszorg, verpleeghuizen en woongroepen.
Ik startte in een nieuw team met de opdracht om te onderzoeken wat voor toepassingen LLMs kunnen hebben binnen de Ons Suite.
Liever geen chatbot
Een chatbot lag voor de hand; dat was in die tijd het antwoord op bijna elke AI-vraag. Maar tijdens onze eerste gesprekken in het team, bleek al snel dat niemand van ons geloofde dat een chatbot zorgmedewerkers echt zou helpen. Door het open format ligt veel verantwoordelijkheid bij de gebruiker: je moet leren waar je het wel en niet voor inzet, en hoe. Met de werkdruk die er al is, vonden wij het onverstandig deze nieuwe skills en verantwoordelijkheden bij de zorgmedewerkers neer te leggen. Waren we overtuigd dat we zorgmedewerkers met een chatbot “meer tijd voor zorg” zouden geven, de missie van Nedap Healthcare? Of zouden we mensen nog langer aan hun beeldscherm kluisteren, eindeloos promptend met de chatbot om hun gewenste resultaat te krijgen?
We stelden een nieuwe vraag: hoe versnellen we met LLMs elke dag een stukje van het bestaande proces van een zorgmedewerker?
Ontwerpen voor problemen die je nog niet kent
Zestien jaar lang begon ik mijn werk met het identificeren van een probleem van mensen. Nu stond de technologie centraal, voor mij een eerste keer. En wat het extra interessant maakte was dat we geen puntoplossing wilden maken; of je nou een fysio in een verpleeghuis bent, een thuiszorgmedewerker of van de factuuradministratie, je zou meerwaarde moeten kunnen halen uit onze app.
Het was daarom zaak om meer een systeem te ontwerpen dat zich aanpast aan de problemen die erin gegooid worden. Agnostisch van input.
Waar zit de intentie?
LLMs werken het beste met intenties. Kent een LLM de intentie van een gebruiker, dan kan de LLM werk uit handen nemen of voorbereiden. Maar waar vind je die intentie?
Toen dacht ik aan iets waar ik al maanden over hoorde: iedereen in de zorg maakt kladbriefjes tijdens hun werk! Dat was mogelijk het eerste moment dat mensen hun intentie uit hun hoofd brengen.
Software en gebruiker liggen uit elkaar
Het was zaak om meer te begrijpen over hoe zorgmedewerkers hun werk vastleggen: wanneer, hoe en waarom? Daarom interviewden we als team zorgmedewerkers uit verschillende sectoren, om te zien of die daarin verschillen. Ik was verantwoordelijk voor de onderzoeksopzet, een deel van de interviews en de gehele analyse.
Uit het onderzoek bleek dat ons idee aansloot op iets wat mensen in alle sectoren al doen, om meer verschillende redenen dan we hadden gedacht. Het meest opmerkelijke was dat mensen aangaven hun werk vaak eerst vast te leggen in een mental model dat past bij de ervaring zoals zij die hebben beleefd. Vervolgens is het voor hen makkelijker om die ervaring om te zetten naar het systeem format van de software. Oftewel, de software en de ervaring van de gebruiker liggen uit elkaar. En hier zagen we een kans.
Grote ambities, klein beginnen
In eerste instantie droomde ik ervan dat er op basis van iemands intentie een hele interface speciaal voor die persoon werd gemaakt. Schrijft iemand een tabel op een kladbriefje, dan krijg je als interface een tabel en hoef je enkel op “akkoord” te drukken.
Voor een eerste versie was dat een brug te ver. We brachten het terug: kan een LLM op basis van die intentie de juiste vervolgactie in de software voorstellen? Als dat werkt, kun je de rol van de AI stap voor stap vergroten.
-
1 Stelt voor
De AI stelt een vervolgactie voor, de medewerker kiest.
-
2 Bereidt voor
De AI zet de actie alvast klaar, de medewerker controleert.
-
3 Voert uit
Na een akkoord voert de AI de actie zelf uit.
-
4 Vormt de interface
Op basis van iemands intentie ontstaat een interface voor die persoon.
Een suggestie, geen besluit
Het was tijd om iets te maken. Ik ontwierp een app waarin medewerkers hun notitie kwijt kunnen zoals het hen uitkomt: typen, inspreken, of een foto of audio-opname toevoegen. Met een druk op de knop interpreteert de AI de notitie en zet suggesties klaar om die in de Ons Suite te verwerken. De medewerker beoordeelt de suggesties, vult ze aan waar nodig en slaat ze op, of wijst ze af. Er gaat niets automatisch het dossier van een cliënt in; de medewerker houdt zelf de controle. Op deze manier hoeft de zorgmedewerker niet meer door de Ons Suite te navigeren om alles een voor een vast te leggen, maar vormt de Suite zich om de medewerker heen.
Waar staat het project?
In zorgsoftware kun je niet de weg van move fast and break things bewandelen; ook een experiment moet voldoen aan de eisen voor productiesoftware. Sinds het derde kwartaal van 2026 loopt Notities & Aantekeningen als experiment bij zorgorganisaties.
Harde resultaten zijn er nog niet op het moment van schrijven. Wel ligt er het evaluatieplan dat ik opstelde op basis van HEART-metrics: hoe tevreden zijn medewerkers over de suggesties, hoe vaak accepteren ze er een, en blijven ze de app gebruiken? Zo kan straks op basis van resultaten besloten worden hoe het project doorgaat.
Geen “computer says no” meer
Een van de ontdekkingen die ik heb gedaan tijdens dit project is dat we met AI waarschijnlijk software kunnen maken die zich veel meer vormt naar de ervaring van de gebruiker. Dat mensen minder “het systeem” moeten leren kennen, geen “computer says no” meer, maar dat de ervaring met technologie en software menselijker zal worden.
