AI & de toekomst van de overheid

AI groeit bij de overheid van schrijfhulp naar analist, die een dossier vergelijkt met eerdere besluiten en regelgeving. De schrijfhulp is al gewoon: toen een nationale overheid ruim twintigduizend ambtenaren drie maanden met een AI-assistent liet werken, scheelde dat volgens henzelf gemiddeld zesentwintig minuten per dag, vooral bij teksttaken. Dossiers analyseren en er regels en jurisprudentie bij zoeken, gebeurt al. In een scenario voor 2040 gaat de analist verder: AI legt een nieuw dossier naast eerdere besluiten en laat zien waar vergelijkbare zaken verschillend zijn afgelopen, met de bronnen erbij. De ambtenaar krijgt dan geen tekst voorgelegd, maar een afweging: twee eerdere besluiten wijzen een andere kant op, welke lijn volgt dit dossier? Het oordeel blijft bij de ambtenaar.

Een agent is AI die zelfstandig de stappen zet om een taak af te ronden. Een chatbot legt uit hoe je een parkeervergunning aanvraagt; een agent haalt de gegevens op die de overheid al heeft, vult het formulier in, ziet wat er ontbreekt en laat de burger weten hoe het ervoor staat. Overheden testen zulke agents nu in gecontroleerde omgevingen. Ze onderzoeken welke stappen een agent veilig kan overnemen, en of burgers daardoor minder hoeven in te vullen en korter wachten. De stap daarna is groter: agents die samen een hele levensgebeurtenis afhandelen, zoals een verhuizing of een geboorte, over alle betrokken diensten heen. Dat is het begin van de overheid als één loket.

Een groot deel van het werk aan een vergunningaanvraag is controleren: zijn alle stukken er, past het plan binnen de regels, kloppen de maten en de tekeningen? AI kan die eerste toets doen. Het legt de aanvraag naast de regels en het omgevingsplan, en markeert wat ontbreekt of afwijkt, met een verwijzing naar het artikel waar het om gaat. Automatische controles op losse voorschriften bestaan al. De volgende stap is dat AI al tijdens het ontwerpen veel meer regels in samenhang beoordeelt, samen met de gevolgen voor de omgeving, zoals schaduw, geluid en water. Een aanvraag komt dan vrijwel compleet en passend binnen, en de behandelaar besteedt zijn tijd aan de afweging tussen buren, natuur en erfgoed.

Proactieve dienstverlening draait de richting om: niet de burger zoekt uit waar hij recht op heeft, de overheid biedt het aan. Het vertrekpunt is een levensgebeurtenis, zoals een geboorte, een verhuizing, een overlijden of het bereiken van de pensioenleeftijd. Op sommige plekken krijgen ouders na de geboorte de kinderbijslag al zonder aanvraag; ze hoeven alleen te bevestigen. AI kan dit verbreden. Het herkent in gegevens die de overheid al heeft wie waarschijnlijk recht heeft op een toeslag of voorziening en die nog niet gebruikt. Zo bereikt een regeling ook de mensen voor wie ze bedoeld was en die de weg niet vinden. Wat de overheid daarvoor mag combineren, legt de wet vast.

Bij een grote consultatie komen tienduizenden reacties binnen, van burgers, bedrijven en belangengroepen. Alles lezen en ordenen kostte beleidsmakers weken, en een sterk argument raakte makkelijk ondergesneeuwd onder de herhaling. Taalmodellen nemen dat sorteerwerk over. Een overheid liet een taalmodel ruim vijftigduizend reacties op een consultatie in thema's indelen. Dat kostte twee uur, en de indeling kwam vaker overeen met die van experts dan twee groepen experts onderling. De beleidsmaker vindt daarna per thema de argumenten terug, ook die van die ene inzender die iets ziet wat anderen missen. De volgende stap is geen stapel reacties meer, maar een gesprek: AI die doorvraagt, met heel veel inwoners tegelijk.

Bij een crisis telt elk uur. Wie verder vooruitkijkt, kan zich beter voorbereiden: waar stijgt het water, welke kant op trekt het vuur, welke wijk valt zonder stroom? AI-modellen combineren weerdata, satellietbeelden, metingen van sensoren en gegevens over wegen en kwetsbare gebouwen, en voorspellen waar het misgaat en wanneer. Voorspellingen van overstromingen komen zo dagen eerder, ook in gebieden waar weinig meetstations staan. Een crisisteam kan dan op tijd evacueren of hulpdiensten anders spreiden. Digital twins voor rampenoefeningen worden al ontwikkeld. De volgende stap is AI die doorlopend nieuwe rampscenario's bedenkt en de gevolgen voor brandweer, zorg, netbeheer en gemeenten tegelijk doorrekent. Zo is een draaiboek al beproefd voordat het water komt.

AI bij aanbestedingen brengt offertes, eisen en contractgegevens bij elkaar, zodat verschillen tussen inschrijvingen sneller zichtbaar worden. Het kan stapels stukken doorlezen, per eis aangeven wat elke inschrijver belooft en markeren waar een offerte afwijkt of iets ontbreekt. Ook na de gunning helpt het: het volgt of afspraken uit het contract worden nagekomen. Eén regering gaf een AI-assistent zelfs de titel van minister, met aanbestedingen als portefeuille en minder ruimte voor corruptie als doel. Patronen zoeken over veel aanbestedingen heen kan AI al. In een scenario voor 2040 verbindt het aanbestedingen, betalingen en geleverde prestaties doorlopend tot één overzicht van wat een overheid inkoopt, waarin ongebruikelijke patronen vroeg opvallen.

Een digitale identiteitsportemonnee is een app met je officiële gegevens, zoals identiteit, rijbewijs en diploma's. Je laat alleen zien wat nodig is, bijvoorbeeld dat je ouder bent dan achttien, zonder je geboortedatum prijs te geven. Een Europese verordening verplicht lidstaten hun inwoners zo'n portemonnee aan te bieden. AI speelt een rol bij identificatie op afstand: het vergelijkt een selfie met de foto in het paspoort en herkent aanwijzingen voor nagemaakte documenten of opnames. Cryptografie laat een dienst direct controleren of een bewijsstuk echt is. In een scenario voor 2040 toont een agent die de burger daarvoor heeft gemachtigd, namens hem precies de bewijsstukken die een aanvraag vraagt. Zo wordt de portemonnee een fundament onder één loket voor de hele overheid.

Soevereine AI is AI waarover een land of overheid zelf de zeggenschap houdt: over de data waarmee het model is getraind, de servers waarop het draait en de regels die het volgt. Voor een overheid doet dat ertoe: ze werkt met gevoelige gegevens en wil niet afhankelijk zijn van één leverancier buiten de eigen rechtsorde. Verschillende overheden laten daarom open taalmodellen bouwen die getraind zijn op de eigen taal, wetgeving en publieke teksten. Een groep gemeenten test zo'n model in hun digitale assistent. Zo'n eigen model kan minder breed zijn dan de grote commerciële modellen. Wel kan de overheid zelf eisen stellen aan de herkomst van de trainingsdata, het beheer en de controle van de antwoorden.

Een AI-first overheid laat AI en nieuwe technologie het herhalende en voorspellende werk doen dat ambtenaren niet zelf hoeven te doen. Zij richten zich op inwoners en op afwegingen die menselijk oordeel vragen. AI kan aanvragen ordenen, meldingen samenvatten en vragen over de voortgang beantwoorden. Medewerkers beoordelen uitzonderingen, wegen belangen en bespreken besluiten met de mensen om wie het gaat. Zo kan er meer ruimte ontstaan voor persoonlijk contact. Dat gebeurt niet vanzelf: het hangt ervan af hoe de overheid het werk en de vrijgekomen tijd verdeelt. Ambtenaren houden ook toezicht op wat AI doet.

AI neemt ambtelijk werk over en schept tegelijk nieuw werk. De algoritmebeheerder houdt een overzicht bij van de systemen die meebeslissen, controleert na elke update of de uitkomsten nog kloppen en eerlijk uitpakken, en grijpt in als dat nodig is. De datasteward bewaakt de kwaliteit van registraties en spreekt af wie welke gegevens voor welk doel mag gebruiken. De uitlegger vertelt een burger in gewone taal waarom zijn aanvraag werd afgewezen en wat hij nu kan doen. Een vierde rol komt eraan: de begeleider van agents, die een team van AI-agents aanstuurt zoals een teamleider nu mensen aanstuurt. Hij verdeelt het werk, controleert de uitkomsten en grijpt in waar een agent vastloopt.

Een team van ambtenaren en AI verdeelt de voorbereiding, de beoordeling en het contact met burgers. Neem een afdeling die bijstandsaanvragen of subsidies behandelt. De agent haalt gegevens uit de verschillende registraties, kijkt of het dossier compleet is, zet de toepasselijke regels op een rij en schrijft een conceptbesluit. De ambtenaar weegt wat in geen registratie staat: de omstandigheden van de aanvrager, of de ondernemer die net buiten de letter van de regeling valt maar wel binnen de bedoeling. Hij belt de aanvrager als iets niet klopt en legt uit waarom een besluit anders uitvalt dan verwacht. Het team spreekt af welke conceptbesluiten één ambtenaar controleert en welke door twee mensen worden bekeken.

Leiderschap in tijden van AI vraagt geen nieuwe lichting bestuurders. Die verandering begint bij de bestuurders en leiders die er vandaag al zijn. Bestuurders geven het voorbeeld door AI en nieuwe technologie zelf te gebruiken en hun ervaringen met ambtenaren te delen. En met een beeld van de overheid van morgen dat ambtenaren aanspreekt, zodat ze er zelf aan willen bouwen. Leiders maken ruimte voor ideeën van ambtenaren en laten zien hoe hun bijdragen de overheid van morgen vormgeven. Zo bouwen leiders en ambtenaren samen aan een overheid die beter werkt voor de burger.

Een overheid die met AI wil werken, heeft techniek, geld en regels nodig. Toch loopt ze vaak vast op iets anders: gewoontes. Het gaat om de bereidheid van ambtenaren en bestuurders om een nieuwe werkwijze te proberen en die daarna ook vol te houden: een vertrouwde procedure loslaten, een controle aan een systeem overlaten, melden als dat systeem iets verkeerd doet. Een cultuur van zorgvuldigheid beschermt de burger tegen willekeur, en dat is waardevol, want een fout bij de overheid kan iemands inkomen of woning raken. Ze maakt leren wel lastiger, omdat afwijken als risico voelt. Een aantal diensten werkt daarom met proeftuinen: afgebakende plekken waar een team binnen de wet experimenteert met echte dossiers, met leiders die zelf meedoen.

In de toekomstacademie leren medewerkers AI-adviezen kritisch lezen en uitleggen wat AI heeft voorbereid. Organisaties richten zo'n academie zelf in, omdat AI en nieuwe technologie het werk sneller veranderen dan opleidingen hun lesprogramma's aanpassen. Nieuwe collega's oefenen er met de systemen die de organisatie invoert. De lesstof komt uit het eigen werk en wordt aangepast wanneer taken veranderen.

Met wie bouwt een overheid aan haar toekomst? Met start-ups die nieuwe ideeën uitwerken, wetenschappers die meten wat werkt, partners die kennis inbrengen die ze zelf niet in huis heeft, en andere overheden in binnen- en buitenland die met dezelfde vragen bezig zijn. Klimaat, vergrijzing, wonen en veiligheid zijn opgaven die geen overheid alleen oplost. Samen ontwikkelen ze oplossingen en delen ze wat werkt: een model dat bij de een leert documenten te ordenen, kan een ander opnieuw gebruiken, en een aanpak uit het ene land kan een ander land verder helpen. Zo bereikt een vernieuwing de burger sneller.