Het beoordeelt foto’s van schoongemaakte ruimtes op tientallen punten en geeft de medewerker binnen twee seconden antwoord. Elke kamer, elke dag, met dezelfde meetlat.
De housekeeper maakt een foto van de plek die in de instructie staat. Het model controleert eerst of het de juiste plek is, en kijkt daarna of het werk af is. Wat het vindt, komt niet als techniek terug maar als één vraag in de eigen taal. Twijfelt het model, dan kijkt de teamleider mee.
Hoe het model precies kijkt, is ons vak en blijft binnen. Wat jij ziet, is of de kamer klaar is en waarom niet. Dat is het enige wat een medewerker of teamleider nodig heeft.
Per kamertype stellen we samen in wat gefotografeerd wordt en wat de norm is. Dit zijn de gebieden waar we standaard mee beginnen.
Een supervisor die twintig van de tweehonderd kamers nakijkt, ziet negentig procent van het werk nooit. De AI kijkt naar alles en de supervisor kijkt naar wat eruit springt.
Een vergeten handdoek die bij de check-in boven water komt, kost een upgrade en een slechte review. Dezelfde handdoek, gesignaleerd terwijl de medewerker er nog staat, kost niets.
De ene supervisor is streng, de andere heeft haast. Het model hanteert dezelfde norm op maandagochtend en op zondagavond, in elke vestiging. Dat maakt scores vergelijkbaar.
Wie belooft dat een algoritme alles ziet, verkoopt lucht. Dit zijn de grenzen.
Wat de camera niet ziet, beoordeelt MiQa niet. Daar blijft de steekproef van de supervisor voor nodig, alleen veel gerichter.
MiQa maakt het werk van de medewerker lichter en dat van de supervisor scherper. Het neemt geen kamers over.
De eerste weken kalibreren we op jouw norm. Een supervisor corrigeert, het model leert. Daarna loopt het.
Eén foto is genoeg om erachter te komen.
