Maxxton opende in het voorjaar van 2026 een AI-hub in Amsterdam om AI-agents te bouwen voor de verblijfsrecreatie. Eén vraag drijft het team: wat als medewerkers de software niet meer hoeven te leren voordat ze die kunnen gebruiken?
Het team bouwt geen nieuwe chatbot of losse AI-functie. Het ontwikkelt agents die weten wat een medewerker of gast nodig heeft, de juiste informatie uit het PMS halen en daar meteen iets mee kunnen doen.
Het nieuwe team brengt verschillende disciplines samen. Nino Foudraine leidt het initiatief. Hij heeft 6 jaar ervaring met AI en een achtergrond in econometrie. Gijs Gubbels richt zich op conversational agents en agentic AI. Martin de Smit werkt aan de backend, modellen en data. Roelant de Looff houdt zich bezig met de frontend en met de vraag wat er in de praktijk gebouwd kan worden.
De keuze voor Amsterdam is bewust. Hier is een grotere pool van gespecialiseerd technisch talent.
Nino Foudraine ziet AI dan ook niet als de volgende functie die aan bestaande software wordt toegevoegd. Volgens hem verandert AI vooral de manier waarop we software gebruiken.
De ontwikkeling gaat volgens hem van Software as a Service naar wat hij ‘Agent as a Service’ noemt. Niet langer zelf door schermen klikken, maar vertellen wat je gedaan wilt krijgen en een agent het werk laten uitvoeren.
“Het is een verschuiving in het gebruikersgedrag”, zegt hij.
Voor operators in de verblijfsrecreatie begint die verandering op de werkvloer. Seizoenskrachten en nieuwe medewerkers moeten vandaag vaak eerst leren hoe een systeem werkt. Waar staat die functie? Welke stappen moet ik volgen? En waar vind ik de informatie die ik nodig heb?
Max moet dat eenvoudiger maken.
De agent werkt naast het Maxxton-platform en helpt medewerkers om informatie en functies te vinden. Ze hoeven dus niet eerst te weten waar ze moeten zoeken.
Dat maakt vooral bij de onboarding een groot verschil. Wat traditioneel ongeveer zes weken duurt, kan met Max in ongeveer een uur.
Maar de winst zit niet alleen in sneller leren.
“Vroeger klikte je je een weg door het systeem”, zegt Nino. “AI maakt het een gesprek.”
Een medewerker hoeft dus niet meer te weten waar een bepaalde functie zich bevindt. Hij kan gewoon vertellen wat hij wil doen en daarna verdergaan.
De eerste ervaringen bij klanten tonen aan dat er heel wat verandert.
Bij De Krim stelden medewerkers op de werkvloer dagelijks ongeveer 8 vragen aan het backoffice-team. Sinds de introductie van Max lossen ze er zeven van de acht zelf op.
Dat betekent veel minder telefoontjes en berichten. Ervaren medewerkers worden minder gestoord. En medewerkers op de werkvloer hoeven minder te wachten op een antwoord.
Tegelijkertijd levert alle uitwisselingen met de agent iets anders op: inzicht in waar de software nog beter kan.
In een test met Libéma worden de vragen daarom onderverdeeld in drie groepen.
Kennishiaten zijn vragen waarover de informatie al bestaat, maar die bijvoorbeeld nog niet goed zijn gedocumenteerd.
Vaardigheidshiaten ontstaan wanneer het systeem de taak wel kan uitvoeren, maar de agent nog geen toegang heeft tot de juiste functionaliteit.
Functionaliteitsshiaten zijn vragen waarvoor de software simpelweg nog geen oplossing heeft.
Zo wordt een vraag van een medewerker niet alleen een supportvraag. Het kan ook een aanwijzing zijn voor een nieuwe functie, betere documentatie of automatisering.
“Analyseer hoe mensen werken om kansen voor automatisering op te sporen”, zegt Nino.
De agent helpt dus niet alleen medewerkers. Hij laat Maxxton ook zien waar gebruikers in de praktijk tegenaan lopen.
Ton is de agent voor gasten. Hij helpt vanaf het moment dat iemand een verblijf zoekt tot na het vertrek.
Een gast kan bijvoorbeeld vragen welk verblijf het beste past, een extra dienst boeken of tijdens het verblijf snel iets vragen. Dat kan via de telefoon, e-mail of WhatsApp.
Daarvoor hoeft de gast niet zelf op zoek naar de juiste informatie of het juiste kanaal. Ton kent de context van het verblijf en kan daar meteen op inspelen.
Voor operators betekent dat minder druk op support en meer ruimte om gasten ook buiten kantooruren goed te helpen. Het biedt bovendien kansen om relevante extra’s aan te bieden, zoals een huisdierpakket of vervoer.
Hoe meer Ton weet over de gast en het verblijf, hoe minder de gast zelf hoeft uit te leggen.
Een vraag beantwoorden is relatief eenvoudig. Iets voor iemand uitvoeren is een stuk lastiger.
Daarvoor moet een agent niet alleen weten wat iemand vraagt, maar ook toegang hebben tot de juiste informatie en systemen.
Daarom zijn Max en Ton onderdeel van het Maxxton-platform. Ze staan niet als losse AI-tools naast het PMS, maar kunnen gebruikmaken van de informatie en functionaliteit die daar al beschikbaar zijn.
“Het is aanvullend, geen extraatje”, zegt Nino.
Dat is ook belangrijk voor data. Wanneer alle informatie binnen dezelfde omgeving blijft, hoeft een medewerker of operator niet steeds gegevens uit het PMS te kopiëren naar een externe AI-tool.
De vraag is dan niet alleen wat AI kan, maar ook waar je wilt dat die AI werkt.
De technologie roept vanzelf een andere vraag op. Als een agent steeds meer vragen kan beantwoorden en taken kan uitvoeren, wat blijft er dan over voor de mensen die dat werk vandaag doen?
Nino vergelijkt de ontwikkeling met die van de komst van de stoommachine.
Sommige repetitieve taken zullen verdwijnen, verwacht hij. Tegelijk ontstaan er nieuwe taken en functies. Het werk verandert vooral.
Dat kan juist in de verblijfsrecreatie een groot verschil maken. Operators werken veel met seizoensteams en een relatief klein aantal ervaren medewerkers heeft vaak veel operationele kennis.
Als een agent kennis beschikbaar kan maken voor iedereen, wordt die kennis minder afhankelijk van een paar mensen.
Nino Foudraine verwacht dat er de komende twee tot drie jaar veel gaat veranderen in de manier waarop operators met hun systemen werken. “Operators gaan van klikken door software naar simpelweg een doel benoemen en een agent laten uitvoeren.” De agent controleert vervolgens zelf of het resultaat klopt voordat hij het teruggeeft.
Voor gasten kan hetzelfde gebeuren. “Gastervaring wordt vrijwel automatisch hyperpersoonlijk”, zegt Nino, omdat het systeem al over de context beschikt die nodig is om een individuele gast te begrijpen.
Dat is uiteindelijk waar de investering in Amsterdam om draait: software die steeds minder zichtbaar wordt voor de mensen die ermee werken. Voor operators in de verblijfsrecreatie verschuift de vraag dan van hoe snel teams de software kunnen leren naar hoeveel van die software ze eigenlijk nog hoeven te zien.