Wordt AI de nieuwe mobility manager van werknemers?
Eurostar heeft zopas een stap gezet die op het eerste gezicht misschien anekdotisch lijkt: klanten kunnen voortaan rechtstreeks vanuit ChatGPT een reis zoeken. Achter die integratie gaat echter een veel fundamentelere evolutie schuil. Wat als we morgen niet langer zelf op zoek gaan naar een auto, trein, vliegtuig, laadpaal of hotel? Artificiële intelligentie zou geleidelijk kunnen uitgroeien tot de centrale interface voor professionele mobiliteit. Met mogelijk ingrijpende gevolgen voor de rol van de mobility manager. Een buitenkans aan de vooravond van de invoering van het verplichte mobiliteitsbudget in bedrijven met meer dan 50 werknemers
Beeld u even de volgende situatie in. U moet naar Londen voor een vergadering om 10 uur. In plaats van verschillende apps te openen, vraagt u simpelweg aan uw AI-assistent: « Ik moet morgen om 9.30 uur in het centrum van Londen zijn. Organiseer mijn verplaatsing volgens de travel policy van mijn bedrijf en geef de voorkeur aan de meest efficiënte oplossing, rekening houdend met de kosten en de CO₂-uitstoot. »
Enkele seconden later zou de assistent in theorie de trein, het vliegtuig, de auto, het openbaar vervoer en eventueel een taxi met elkaar kunnen hebben vergeleken. Hij zou de dienstregelingen, uw agenda, uw vertrekpunt, de regels van uw bedrijf en uw persoonlijke voorkeuren kennen. Vervolgens zou hij de reis kunnen boeken, uw agenda aanpassen en automatisch de onkostennota voorbereiden.
Zover zijn we vandaag nog niet helemaal. Maar we komen snel dichterbij.
Eurostar opent een nieuwe deur
Sinds deze zomer beschikt Eurostar, de hogesnelheidstreinmaatschappij die ontstond uit de fusie van Thalys en Eurostar, over een applicatie die via ChatGPT toegankelijk is in het Verenigd Koninkrijk, Nederland en bij ons in België. Gebruikers kunnen in natuurlijke taal naar een reis zoeken en de beschikbare dienstregelingen, reistijden en tarieven raadplegen, waarna ze worden doorgestuurd naar www.eurostar.com om hun aankoop af te ronden. Daarvoor moeten ze eerst hun ChatGPT-account koppelen aan de Eurostar-applicatie.
De functionaliteit blijft voorlopig dus relatief eenvoudig: ChatGPT boekt het ticket nog niet in de plaats van de gebruiker. Maar belangrijker dan wat de toepassing vandaag al kan, is de verandering van interface die ze aankondigt. Eurostar maakt deze keuze immers niet toevallig.
Tussen januari 2025 en juni 2026 is het verkeer dat door artificiële-intelligentieplatformen naar eurostar.com werd gestuurd, vervijfvoudigd. In juni was 85% van dat verkeer afkomstig van ChatGPT. Boekingen via dit kanaal blijven voorlopig marginaal – tussen 0,8 en 1% van de tickets die tussen mei en juli 2026 via eurostar.com werden geboekt – maar de evolutie is sterk genoeg om de spoorwegmaatschappij ertoe aan te zetten in dit nieuwe kanaal te investeren.
Eurostar is bovendien al van plan om een stap verder te gaan, onder meer met functies om bestemmingen te ontdekken, het netwerk te visualiseren en eenvoudiger toegang te krijgen tot bepaalde tariefaanbiedingen. Met andere woorden: AI evolueert stilaan van een tool waaraan we vragen “Hoe geraak ik in Londen?” naar een interface die ons concreet een vervoersoplossing kan voorstellen. En voor professionele mobiliteit zou die nuance een belangrijke impact kunnen hebben.
Na de zoekmachine, de beslissingsmachine?
De voorbije twintig jaar bestond de digitalisering van mobiliteit vooral uit een wildgroei aan platformen. Een app om een trein te boeken. Een andere voor het vliegtuig. Een navigatie-app voor de auto. Een kaart of app om laadpunten te vinden of de best mogelijke route met een elektrische wagen uit te stippelen. Een platform voor parking. Nog een ander voor het openbaar vervoer. En dan zijn er natuurlijk nog de boekingstools van bedrijven, oplossingen voor onkostennota’s en de apps van leasingmaatschappijen.
De gebruiker beschikt vandaag over meer informatie dan ooit, maar moet de verschillende puzzelstukken vaak nog altijd zelf samenleggen. Artificiële intelligentie zou die logica kunnen omkeren.
In plaats van werknemers te verplichten tussen verschillende platformen te navigeren, zouden die platformen hun informatie en diensten kunnen samenbrengen in één conversationele interface. Dat is precies het voordeel van applicaties die met AI-assistenten verbonden zijn: ze kunnen rechtstreeks vanuit het gesprek toegang bieden tot externe gegevens en acties.
In de toeristische sector werkt Booking.com al in die richting. De AI Trip Planner combineert de conversationele mogelijkheden van AI met gegevens van het platform over onder meer bestemmingen, beschikbaarheid en prijzen. Het doel is om een in natuurlijke taal geformuleerde intentie te begrijpen, in plaats van de gebruiker te verplichten door een opeenvolging van filters te navigeren. Toegepast op professionele mobiliteit wordt deze aanpak bijzonder interessant.
« Organiseer mijn verplaatsing »
Vandaag moet een medewerker doorgaans zelf beslissen welk vervoermiddel hij zal gebruiken, nog vóór hij zijn zoektocht begint. Er bestaan weliswaar platformen en applicaties die verplaatsingen proberen te optimaliseren op basis van verschillende criteria, maar die stellen doorgaans alleen routes voor via vervoersmaatschappijen of mobiliteitsoplossingen waarmee ze samenwerken.
Morgen zou de gebruiker simpelweg zijn doel kunnen aangeven: « Ik moet dinsdag om 14 uur bij deze klant in Antwerpen zijn en ’s avonds terugkeren. » AI zou dan niet alleen zijn agenda en vertrekpunt kunnen kennen, maar ook rekening kunnen houden met de regels die zijn werkgever heeft vastgelegd. Vervolgens zou ze verschillende scenario’s kunnen vergelijken: bedrijfswagen, trein, openbaar vervoer, deelwagen, taxi of een combinatie van verschillende vervoersmodi.
En vooral: AI zou meerdere criteria tegelijk tegen elkaar kunnen afwegen. De goedkoopste verplaatsing is niet noodzakelijk de meest relevante. De snelste evenmin. Een bedrijf zou zijn AI-assistent kunnen vragen om het beste compromis te zoeken tussen reistijd, totale kosten, CO₂-uitstoot, comfort en het mobiliteitsbeleid van de onderneming.
Precies daar zou AI het mobility management fundamenteel kunnen veranderen. We zouden immers evolueren van een ‘vervoersvergelijker’ naar een ‘mobiliteitsregisseur’.
En wat met de bedrijfswagen in dit verhaal?
Deze evolutie betekent uiteraard niet het einde van de bedrijfswagen. Ze zou er daarentegen wel toe kunnen leiden dat die veel rationeler wordt ingezet.
Neem bijvoorbeeld een medewerker met een elektrische wagen. Voor een professionele verplaatsing van 400 kilometer zou zijn assistent in theorie de werkelijke actieradius van het voertuig, het batterijniveau, de laadmogelijkheden onderweg en de tarieven aan de laadpalen kunnen kennen. Vervolgens zou hij deze oplossing kunnen vergelijken met de trein of een deelwagen, rekening houdend met de tijd die nodig is om de eindbestemming te bereiken.
Voor sommige verplaatsingen zal de conclusie zijn: neem de wagen. Voor andere: laat hem achter aan het station.
En in nog andere gevallen zal de trein naar Parijs, gevolgd door een deelwagen of het openbaar vervoer, efficiënter blijken.
De revolutie zit dus niet noodzakelijk in een nieuw vervoermiddel. Ze ligt vooral in het vermogen om intelligent te kiezen tussen de mobiliteitsoplossingen die vandaag al bestaan.
Dat is wellicht ook een van de huidige zwakke punten van een multimodaal mobiliteitsbeleid. Bedrijven kunnen tal van alternatieven voor de bedrijfswagen aanbieden, maar de werknemer moet nog altijd weten welke oplossing hij wanneer het best gebruikt en hoe hij die kan reserveren. Een goed geïntegreerde AI zou een groot deel van die drempels kunnen wegnemen.
AI zou ook de bewaker van de mobility policy kunnen worden
Voor bedrijven staat er nog meer op het spel. Een mobiliteitsassistent zou de regels van de onderneming rechtstreeks kunnen integreren. Bijvoorbeeld: voor bepaalde trajecten de voorkeur geven aan de trein, een maximale hotelcategorie opleggen, voor verplaatsingen onder een bepaalde afstand het openbaar vervoer aanbevelen, rekening houden met het mobiliteitsbudget of de wagen adviseren wanneer die economisch gezien de meest relevante oplossing is.
De mobility policy zou dan niet langer een pdf van twintig pagina’s zijn die niemand leest. Ze zou een integraal onderdeel worden van het beslissingsproces.
Wanneer een medewerker een verplaatsing wil plannen, zou de assistent hem onmiddellijk kunnen aangeven dat een bepaalde optie niet in overeenstemming is met het beleid van de onderneming en meteen een alternatief kunnen voorstellen.
.
Van verplaatsing tot onkostennota
Het is waarschijnlijk hier dat AI de grootste productiviteitswinst zou kunnen opleveren. Vandaag brengt professionele mobiliteit immers een indrukwekkende hoeveelheid kleine administratieve taken met zich mee: een traject zoeken, prijzen vergelijken, een reservatie maken, een betalingsbewijs bewaren, een uitgave ingeven, een factuur controleren of een reis aanpassen wanneer een trein of vlucht wordt geannuleerd.
Een groot deel van deze handelingen zou geleidelijk door AI-agents kunnen worden overgenomen. De mobiliteitsassistent van morgen zou een verplaatsing dus van begin tot eind kunnen beheren.
Voor de reis organiseert hij.
Tijdens de reis begeleidt hij.
Na de reis regelt hij de administratie.
En bij problemen reorganiseert hij.
Een trein geannuleerd? De agent zoekt automatisch naar een alternatief dat past binnen de agenda van de medewerker en het beleid van de onderneming.
Een vergadering geannuleerd? Hij zou reservaties die nog geannuleerd kunnen worden automatisch kunnen schrappen.
Een parkeerfactuur? Die zou automatisch aan de juiste verplaatsing kunnen worden gekoppeld.
Op dat moment spreken we eigenlijk niet langer over een chatbot, maar eerder over een digitale mobiliteitsagent.
Een goudmijn voor de fleet- en mobility manager
En wat met de rol van de fleet/mobility manager in dit alles? Paradoxaal genoeg zou deze automatisering zijn rol net kunnen versterken. Iemand zal immers de regels moeten bepalen op basis waarvan AI haar beslissingen neemt. Wat moet prioritair worden geoptimaliseerd? De kosten? De tijd? De CO₂-uitstoot? Het comfort van de medewerker? Vanaf hoeveel uren reistijd met de trein wordt het vliegtuig een aanvaardbaar alternatief? Wanneer moet de wagen worden aanbevolen? Welk laadnetwerk krijgt de voorkeur? Welk budget mag aan parking worden besteed? En in welke omstandigheden is een taxi toegestaan? Dit zijn bij uitstek strategische keuzes.
Het beroep zou daardoor geleidelijk kunnen evolueren van het beheren van mobiliteitsmiddelen naar het bepalen van de mobiliteitsregels.
Tegelijk zou AI de mobility manager een veel nauwkeuriger beeld kunnen geven van het werkelijke mobiliteitsgedrag. Hoeveel verplaatsingen hadden op een andere manier kunnen gebeuren? Op welke trajecten is de trein systematisch efficiënter? Waar verliezen medewerkers de meeste tijd? Welke verplaatsingen veroorzaken veel CO₂-uitstoot voor relatief weinig toegevoegde waarde? Waar zouden extra laadpunten moeten worden geïnstalleerd?
AI zou zo een grote hoeveelheid gegevens die vandaag nog verspreid zitten, kunnen omzetten in concrete en onmiddellijk bruikbare aanbevelingen.
Maar pas op voor de illusie van de automatische piloot
Toch zou het gevaarlijk zijn om ervan uit te gaan dat AI systematisch de beste oplossing zal kunnen kiezen. Alleen al omdat het begrip ‘beste mobiliteit’ subjectief is.
Een treinreis van vier uur kan door de ene medewerker als productieve werktijd worden beschouwd, terwijl een andere medewerker diezelfde vier uur als verloren tijd ervaart. Een wagen kan voor één afzonderlijk traject duurder lijken, maar plots een rationele keuze worden wanneer drie collega’s samen reizen. En een route die in theorie optimaal is, kan in de praktijk absurd worden wanneer een medewerker die materiaal vervoert drie keer moet overstappen.
AI neemt de noodzaak van een intelligent mobiliteitsbeleid dus niet weg. Integendeel, ze maakt zo’n beleid nog belangrijker. AI die wordt aangestuurd door een slechte mobility policy zal slechte beslissingen alleen maar sneller automatiseren. Dat is wellicht een van de belangrijkste valkuilen die bedrijven moeten vermijden.
En dan zijn er nog de data
Om echt als mobiliteitsassistent te kunnen functioneren, zal AI toegang moeten krijgen tot heel wat informatie: de professionele agenda, locatiegegevens, verplaatsingsgewoonten, voertuigdata, transacties, betaalmiddelen, persoonlijke voorkeuren en mogelijk zelfs HR-gegevens. Dat roept meteen vragen op rond privacy, cybersecurity en governance.
In Europa kunnen die kwesties niet lichtzinnig worden behandeld. De GDPR regelt vandaag al de verwerking van persoonsgegevens, terwijl de AI Act verschillende verplichtingen oplegt naargelang het gebruik van artificiële-intelligentiesystemen. Systemen die worden ingezet voor bepaalde beslissingen over werknemers of om hun prestaties te monitoren en te evalueren, worden onder meer als hoogrisicosystemen beschouwd.
Er zal dus een zeer duidelijke grens moeten worden getrokken tussen een medewerker helpen om zich te verplaatsen en controleren hoe die medewerker zich verplaatst. Technisch gezien kan het verschil tussen beide bijzonder klein zijn. Juridisch en maatschappelijk is het enorm.
Bye bye, Excel-sheet
De komst van Eurostar in ChatGPT is dus slechts één klein signaal tussen vele andere. Maar het is wel veelzeggend. Jarenlang hebben we geprobeerd professionele mobiliteit uit te bouwen rond een veelheid aan gespecialiseerde applicaties en platformen. Artificiële intelligentie zou geleidelijk een extra laag boven op dat ecosysteem kunnen leggen en uitgroeien tot de interface waarmee werknemers toegang krijgen tot al hun mobiliteitsoplossingen.
Binnenkort vraagt een medewerker misschien niet langer: « Welke app moet ik openen? »
Hij zegt gewoon: « Ik moet morgenochtend in Amsterdam zijn. Regel het voor mij. »
Achter die ogenschijnlijk eenvoudige vraag zal AI vervolgens moeten afwegen wat de beste keuze is tussen wagen, trein, vliegtuig, openbaar vervoer, laden, parking, prijs, reistijd, CO₂-uitstoot en de regels van de onderneming.
Daarom is de echte vraag wellicht niet langer of artificiële intelligentie haar intrede zal doen in mobility management. Dat gebeurt vandaag al.
De echte vraag is wie de regels zal bepalen op basis waarvan AI haar beslissingen neemt. En wat dat betreft hebben fleet- en mobility managers er alle belang bij om het voortouw te nemen.
Damien Malvetti, redacteur van dit artikel
Damien Malvetti is opgeleid als journalist en gepassioneerd door wagens, technologie en mobiliteit. Hij is verantwoordelijk voor de redactionele inhoud van link2fleet en beschikt over een uitgebreide kennis van de fleet-sector en elektrische mobiliteit.
