Veel projecten krijgen vroeg een ogenschijnlijk helder verhaal: de locatie biedt kansen, de markt vraagt woningen en een eerste schets ziet er overtuigend uit. De onzekerheden staan verspreid over notities, onderzoeken en gesprekken. Tegen de tijd dat het programma, het ontwerp en de grondexploitatie concreet worden, is niet meer vanzelfsprekend welke aanname het besluit heeft gedragen.
Daar ligt voor mij de eerste grote kans van AI in projectontwikkeling. Niet in het produceren van nog meer varianten op zichzelf. Wel in het organiseren van de vragen achter die varianten: welke lokale vraag is onderbouwd, welke randvoorwaarde staat vast, welk gegeven ontbreekt en welke keuze maakt het project kwetsbaar?
De opdrachtgever koopt beslisruimte
Een corporatie wil weten of een woonprogramma past bij de lokale behoefte en haar financiële ruimte. Een belegger kijkt naar product, risico en exploitatie. Een gemeente weegt beleid, ruimtelijke kwaliteit en publieke belangen. Een ontwikkelaar moet bepalen of tijd en kapitaal in een initiatief verantwoord zijn. Al deze partijen hebben baat bij meer opties, maar vooral bij een goede vergelijking tussen opties.
Een AI-ondersteunde ontwikkelwerkstroom kan bronnen ordenen: locatiegegevens, beleidsstukken, onderzoek, programma-eisen, eerdere besluiten en financiële aannames. Daarna kan zij verschillen tussen varianten voorbereiden. Wat verandert er als het aantal woningen, de doelgroep, de parkeernorm of het kwaliteitsniveau wijzigt? Welke cijfers zijn direct uit een bron gehaald en welke zijn een aanname? De ontwikkelaar en zijn adviseurs toetsen de antwoorden en bepalen welke afweging bestuurlijk of commercieel telt.
Voorbeeldsituatie — twee programma's voor dezelfde plek
Een organisatie onderzoekt een locatie met een bestaand gebouw en ruimte voor aanvulling. Variant A bevat vooral reguliere appartementen. Variant B reserveert meer ruimte voor geclusterde seniorenwoningen en gedeelde voorzieningen. Een assistent verzamelt de beschikbare lokale woonvraaginformatie, haalt randvoorwaarden uit beleids- en projectstukken en maakt per variant een vragenlijst: welke vraag is aantoonbaar, welke exploitatiekosten veranderen, welke voorzieningen vragen beheer en welke vergunningaspecten moeten worden nagegaan?
Deze voorbeeldsituatie laat zien wat de volgende fase aan informatie nodig heeft. AI kan hier het voorwerk versnellen en inconsistenties aanwijzen. Zij kan niet beslissen welke maatschappelijke en commerciële waarde het zwaarst weegt. Evenmin mag een algemeen demografisch cijfer worden verkocht als bewijs dat bewoners op deze plek dit programma willen. Lokale vraag en concrete voorkeuren moeten apart worden onderzocht.
Een aannamenregister is waardevoller dan een dikke memo
Leg voor iedere bepalende aanname vier dingen vast: bron, datum, eigenaar en effect op het besluit. Markeer of het gaat om bevestigd gegeven, werkhypothese of open vraag. Koppel de aanname aan varianten en vervolgonderzoek. Zo kan een directie zien welk deel van de haalbaarheid robuust is en welk deel gevoelig blijft voor een nieuwe taxatie, beleidswijziging of participatie-uitkomst.
Dat register moet leven. Zodra een architect een andere plattegrond maakt of een gemeente een randvoorwaarde verduidelijkt, worden betrokken berekeningen en besluitstukken opnieuw bekeken. AI kan helpen de gevolgrelaties te signaleren. De verantwoordelijke professionals bepalen of de eerdere conclusie nog geldt. Juist dat voorkomt dat een aantrekkelijke vroege variant ongemerkt als vastgesteld projectkader gaat functioneren.
Betrek ontwerp en calculatie vroeg, maar met een doel
Projectontwikkeling wordt vaak voorgesteld als een fase vóór de echte uitwerking. In werkelijkheid bepalen vroege keuzes al veel voor ontwerp, bouwkosten, planning en beheer. Vraag daarom vroeg welke elementen maakbaarheid en kosten domineren. Een calculator kan prijsgevoelige aannames aanwijzen. Een ontwerper kan tonen welke ruimtelijke opties nog open zijn. Een beheerder kan wijzen op levensduurkosten en gebruik.
Een assistent kan die inbreng tot een vergelijkbaar overzicht maken: variant, waarde, kostenfactor, onzekerheid, eigenaar en volgend besluit. Daarmee wordt de vergadering korter noch automatisch beter. Zij wordt beter als de deelnemers precies zien over welke keuze zij een oordeel moeten geven en welke informatie daarvoor nog ontbreekt.
Wat vandaag al kan
### Kies waar de onzekerheid geld waard is
Niet iedere open vraag hoeft onmiddellijk met nieuw onderzoek te worden beantwoord. Een directie kan per onzekerheid kijken naar twee zaken: hoe sterk kan dit gegeven de investeringsbeslissing veranderen, en hoeveel kost het om het nu te toetsen? Een beperkte vraag naar lokale doelgroepvoorkeur kan vóór een groot ontwerptraject waardevol zijn. Een detail dat pas na een go/no-go relevant wordt, kan wachten. AI kan het overzicht voorbereiden; de keuze voor onderzoek en risicoacceptatie blijft bij de opdrachtgever.
Leg ook vast wanneer een initiatief moet stoppen. Een goed ontwikkelproces is niet alleen sneller richting akkoord. Het kan eerder zichtbaar maken dat een variant onvoldoende vraag, te veel procedurele onzekerheid of een onhoudbare kostenbasis heeft. Zo'n vroeg nee bespaart mogelijk investering in uitwerking, al moet ook dat per project worden onderbouwd.
Begin met één actueel initiatief. Maak een bronnenlijst, een aannamenregister en twee of drie echte varianten. Laat AI bronstukken samenvatten met vindplaatsen, tegenstrijdigheden tonen en vragen voorbereiden voor de vakspecialisten. Controleer elke verwijzing voordat zij in een besluitstuk komt. Vergelijk de uitkomst met de bestaande werkwijze: welke aannames werden vroeger laat ontdekt, hoeveel herstelwerk kostte dat, en hoe lang duurt het nu om een variant te actualiseren?
Meet ook de grens van het systeem. Een ontbrekende lokale bron blijft ontbrekend. Een onzekere kostenpost blijft onzeker. Als de assistent een plausibele maar ongefundeerde conclusie trekt, moet de route stoppen. De opdrachtgever wint pas wanneer meer varianten leiden tot scherper beslissen, niet tot een grotere stapel mooi geschreven stukken.
Mijn standpunt: het sterkste AI-gebruik in projectontwikkeling begint bij de discipline om een vroege aanname zichtbaar voorlopig te houden. Dan kan snelheid helpen zonder schijnzekerheid te produceren.
Van inzicht naar uw eigen proces
Wat vraagt dit in uw organisatie?
Kies een lopend initiatief en breng de vijf aannames in kaart die het go/no-go-besluit het sterkst beïnvloeden. Bespreek hoe u die toetst via contact.