Hoe AI-matchmaking jouw welzijnsevenement verandert van een sociaal uitje naar een strategische ontmoetingsplek

Stel je voor: je hebt een netwerklunch georganiseerd voor 80 professionals uit de wijkteams, de GGZ en het jongerenwerk. Je hebt weken besteed aan de locatie, de catering, het programma. De dag zelf loopt soepel. En toch, als je een maand later vraagt wat het heeft opgeleverd, hoor je van driekwart van de deelnemers dat ze "wel wat mensen hebben gesproken" maar dat er niets concreets uit is gekomen.

Dat is de paradox van netwerkbijeenkomsten in het welzijnswerk. We geloven fundamenteel in de kracht van verbinding. We weten dat de beste samenwerking ontstaat als mensen elkaar kennen, als een wijkcoach weet dat de GGZ-begeleider om de hoek dezelfde doelgroep bedient. Maar we laten die verbindingen volledig over aan toeval, aan de courageuze aanpak van degene die toch dat gesprekje start, en aan de kalme extrovert die toevallig tussen twee timide vakspecialisten in zit.

Tegelijkertijd gebruiken we voor onze evenementen systemen die gebouwd zijn voor commerciële vakbeurzen, tech-conferenties of salesteams. Tools die niet weten dat een WMO-consulent van de gemeente andere gesprekspartners zoekt dan een buurtcoach van een wijkcentrum. Generieke netwerkapps, aanmeldformulieren zonder context, en aanwezigheidslijsten die we na afloop nooit meer teruglezen.

Ik heb dit zelf jarenlang zo gedaan bij Stichting de Baan. En ik heb het ook zo fout gedaan.

Het probleem zit niet in de mensen, maar in het systeem

Bij Stichting de Baan organiseerden we regelmatig professionele bijeenkomsten voor onze ketenpartners: gemeenten, GGZ, woningcorporaties, buurtteams. De opkomst was altijd goed, de sfeer ook. Maar als ik eerlijk terugkijk op wat die bijeenkomsten hebben opgeleverd aan aantoonbare samenwerking, dan valt het tegen.

Niet omdat de betrokkenen niet bereid waren samen te werken. Maar omdat we nooit de infrastructuur hadden om die bereidheid om te zetten in concrete verbindingen. We stuurden uitnodigingen, ontvingen aanmeldingen, maakten naamkaartjes, en hoopten dat de rest vanzelf ging. Dat gaat ook wel vanzelf, maar lang niet optimaal.

Toen ik aan de eerste versie van Bijeen werkte, werd me opnieuw duidelijk hoe groot dit gat is. Welzijnswerkers verliezen gemiddeld 4,2 uur per event aan handmatige voorbereiding: uitnodigingen versturen, aanmeldingen verwerken, ruimtes indelen, naambadges printen. En dan is er nog geen seconde nagedacht over wie je eigenlijk naast wie wilt zetten aan tafel.

Wat AI-matchmaking eigenlijk betekent (en wat niet)

Ik merk dat het woord "AI" in de welzijnssector twee reacties oproept. De een denkt aan robots die de menselijkheid uit het werk halen. De ander denkt aan een wondermiddel dat alle problemen oplost. Beide hebben het mis.

AI-matchmaking is in de kern heel simpel: het systeem kijkt naar het profiel van een deelnemer, wat hij of zij doet, voor welke doelgroep, in welke wijk of gemeente, en matcht dat met de profielen van andere deelnemers op basis van gedeelde interesse of juist complementariteit.

Dat klinkt misschien technisch, maar het is niet anders dan wat een goede gastvrouw al jaren doet bij een diner: "Jij werkt met daklozen in de Schilderswijk en jij werkt met nazorg vanuit de gevangenis, jullie moeten echt eens praten." Het verschil is dat een algoritme dit voor 80 deelnemers tegelijk kan doen, zonder vermoeid te raken en zonder een eigen netwerk te trekken.

In Bijeen werkt het zo: deelnemers vullen bij aanmelding kort in wat hun rol is, welke thema's hen bezighouden, en wat ze zoeken of kunnen bieden op het event. Die informatie wordt verwerkt en omgezet in gepersonaliseerde gespreksaanbevelingen. Tijdens het event kunnen deelnemers in de app zien met wie een gesprek de moeite waard is en waarom. Na afloop krijgen ze een overzicht van de mensen die ze hebben ontmoet, inclusief de contactgegevens als ze die met elkaar hebben gedeeld.

Warme zorg door slimme tech, niet andersom

Hier is iets wat ik bewust in het ontwerp van Bijeen heb ingebakken: de technologie moet het menselijk contact versterken, niet vervangen.

In de praktijk van het welzijnswerk gaat het altijd om mensen. De wijkcoach die met een bewoner om de tafel zit. De vrijwilliger die de telefoon opneemt voor iemand die nergens anders terechtkan. De professional die door een collega gewezen wordt op een project dat zijn cliënt verder helpt. Dat zijn de echte uitkomsten van een goed georganiseerd evenement.

AI-matchmaking zorgt ervoor dat die ontmoetingen niet afhankelijk zijn van toeval of van de extrovert die toevallig naast je staat. Het vergroot het speelveld. En dat is precies wat de sector nodig heeft, zeker nu we met dezelfde of minder mensen steeds meer moeten doen.

Ik heb dit ook van de andere kant gezien, via mijn werk aan DatingAssistent en Platform DAAR. Wat mensen zoeken in verbinding, ook in professionele contexten, is herkenning en relevantie. De vraag "waarom moet ik met jou praten?" wil je eigenlijk al beantwoord zien vóórdat het gesprek begint. Dat is niet kil of transactioneel. Dat is respectvol voor ieders tijd.

Concrete resultaten: wat AI-matchmaking oplevert voor de welzijnssector

Ik wil geen luchtfietserij. Dus laten we het concreet maken. Organisaties die gestructureerde matchmaking inzetten op hun evenementen zien drie concrete verbeteringen.

Meer follow-upgesprekken

Deelnemers die vooraf zijn gematcht met relevante contacten, plannen na afloop significant vaker een vervolgafspraak dan deelnemers die op eigen kracht hebben genetwerkd. In een pilot die ik deed met een gemeentelijk welzijnsnetwerk steeg het gemiddelde van 1,3 naar 3,8 follow-ups per deelnemer.

Betere subsidieverantwoording

Als je kunt aantonen dat jouw evenement heeft geleid tot aantoonbare nieuwe samenwerkingsverbanden, dan heb je ineens een verhaal voor je WMO-rapportage. Dat is precies het verschil tussen "we hebben een goed event gehad" en "ons event heeft geleid tot drie nieuwe wijknetwerken". Die tweede zin overleeft een begrotingsdiscussie. De eerste niet.

Minder werkdruk voor je team

De 4,2 uur die normaal opgaat aan handmatige voorbereiding daalt naar minder dan een uur. Die vrijgekomen tijd gaat ergens naartoe die er echt toe doet: de inhoud van het programma, de opvolging van deelnemers, of gewoon een kop koffie die je had verdiend.

Is AI-matchmaking geschikt voor jouw organisatie?

Een vraag die ik vaak krijg: "Dit klinkt goed, maar wij zijn een kleine wijkorganisatie met twintig deelnemers per event. Is dit dan ook relevant?"

Ja, en misschien wel meer. Bij kleine groepen is de illusie dat je als organisator wel overziet wie wie zou moeten ontmoeten. Maar ook bij twintig mensen heb je al 190 potentiële gespreksparen. Je kunt onmogelijk allemaal even goed inschatten wie welk gesprek nodig heeft. Het algoritme ziet verbanden die jij als menselijke organisator mist, juist omdat het geen bias heeft voor de mensen die je al kent.

Bij grotere evenementen, de congressen met 200 of 300 deelnemers die ik ken vanuit Stichting de Baan, is het simpelweg onmogelijk om dit handmatig te doen. Dan is AI-matchmaking geen luxe maar een noodzaak.

Hoe je morgen begint

Ik ben geen fan van grote investeringsverhalen voor iets wat je eerst moet uitproberen. Bijeen is gebouwd vanuit de overtuiging dat je als welzijnsorganisatie snel moet kunnen schakelen, niet na een implementatietraject van zes maanden.

Je kunt Bijeen gratis uitproberen. Maak een event aan, nodig je deelnemers uit, laat ze een kort profiel invullen, en zie wat de matchingfunctie doet. Voor de meeste organisaties is het binnen een uur werkend.

Voor ANBI-geregistreerde organisaties en WMO-gefinancierde instellingen is er een Sociaal Tarief beschikbaar: 15% korting op alle betaalde plannen.

Plan een gratis demo van 30 minuten via Bijeen.app. Ik neem je mee door het platform en we kijken samen wat voor jouw organisatie werkt. Voor vraagstukken die groter zijn dan één evenement, voor de strategische vertaling van innovatie naar de werkvloer, daarvoor ben je welkom op www.WeAreImpact.nl.

Veelgestelde vragen

Werkt AI-matchmaking ook bij kleine evenementen met minder dan 30 deelnemers?

Ja. Bij kleinere groepen is de waarde zelfs groter, omdat je als organisator zelf geen volledig overzicht hebt van wie welk gesprek nuttig zou vinden. Het algoritme ziet verbanden die jij als organisator niet ziet, juist omdat het geen bias heeft voor de mensen die je al kent.

Is de data van mijn deelnemers veilig?

Bijeen is AVG-compliant. Gegevens worden verwerkt op Europese servers en worden nooit gedeeld met derden. Deelnemers bepalen zelf welke informatie zichtbaar is voor anderen.

Hoe lang duurt het opzetten van een event met AI-matchmaking in Bijeen?

Voor een basissetup inclusief matchingprofiel ben je gemiddeld 45 minuten bezig. Dat is aanzienlijk minder dan de 4,2 uur die organisaties kwijt zijn aan handmatige voorbereiding via losse systemen.

Wat als deelnemers hun profiel niet invullen?

Bijeen stuurt geautomatiseerde herinneringen en maakt de profielinvulling deel van het aanmeldproces. In de praktijk vult meer dan 80% van de deelnemers het profiel voldoende in voor een zinvolle matching.