Nederlandse overheden experimenteren steeds vaker met kunstmatige intelligentie om sneller te werken. Pilots met chatbots en tekstassistenten laten vaak een verbluffende show zien, maar in de praktijk valt het resultaat geregeld tegen. De inzet is vooral in gemeenten, uitvoeringsorganisaties en onderwijsinstellingen, op zoek naar oplossingen voor werkdruk en personeelstekorten. De Europese AI-verordening en de AVG zetten daar op het moment van schrijven strikte kaders omheen, met directe gevolgen voor de overheid.
Demoās overtuigen, praktijk hapert
Gemeenten en uitvoeringsinstanties testen tools zoals Microsoft Copilot voor Microsoft 365, OpenAIās ChatGPT en Google Gemini voor samenvatten, schrijven en zoeken. De demo op het scherm is meestal overtuigend en snel. Maar buiten het lab botsen systemen op lastige dossiers, uitzonderingen en juridische nuance. Dat maakt de stap van pilot naar productie moeilijk.
Resultaten blijven vaak achter door beperkte kwaliteit van brondata en versnipperde processen. Veel organisaties werken met verouderde systemen en onduidelijke documentatie. Een algoritme kan dan niet goed leren of foutloos antwoorden. De beloofde efficiƫntie blijft zo op afstand.
Ook governance en verantwoordelijkheden zijn nog niet altijd duidelijk. Wie controleert de uitkomst, en wie tekent af? Zonder heldere processen en opleiding van medewerkers ontstaat schijnzekerheid. Dat is extra riskant bij publieke taken met directe impact op burgers.
AI-verordening verandert overheidsgebruik
De Europese AI-verordening (AI Act) treedt gefaseerd in werking tussen 2025 en 2027 en zet strengere eisen voor algoritmen in de publieke sector. Systemen voor onder meer uitkeringen, onderwijsselectie of personeelsbeoordeling vallen vaak in de categorie hoog risico. Dan gelden verplichtingen als risicobeheer, datakwaliteit, logging, menselijke controle en transparantie.
Bepaalde toepassingen zijn verboden, zoals sociale scoring door overheden. Gezichtsherkenning op afstand in de openbare ruimte wordt sterk beperkt. Voor generatieve modellen (foundation models) komen specifieke plichten, zoals technische documentatie en rapportage over trainingsdata. Dit alles raakt direct de manier waarop Nederlandse overheden AI mogen inkopen en inzetten.
De AVG blijft daarnaast leidend voor persoonsgegevens. Dataminimalisatie, versleuteling en een Data Protection Impact Assessment (DPIA) zijn verplicht waar nodig. De Autoriteit Persoonsgegevens houdt op het moment van schrijven toezicht, terwijl nieuw AI-toezicht op Europees en nationaal niveau wordt ingericht.
Generatieve assistenten blijven risicovol
Organisaties testen generatieve assistenten voor e-mail, notities en beleidsconcepten. Enterprise-versies van ChatGPT, Gemini of Copilot beloven betere gegevensbescherming en instelbare bewaartermijnen. Toch blijft er risico op het lekken van gevoelige informatie als prompts of output onjuist worden gedeeld. Strakke interne richtlijnen en training zijn daarom nodig.
Een tweede risico is āhallucinatieā: het model verzint feiten die er overtuigend uitzien. In publieke dienstverlening kan dat leiden tot fout advies of oneerlijke behandeling. Factchecking en menselijke tegenlezing blijven noodzakelijk. Ook duidelijke bronvermelding en versiebeheer helpen fouten terug te vinden.
Hallucinaties zijn verzonnen antwoorden die een model toch met grote zekerheid presenteert.
Overheden zetten daarom steeds vaker waarborgen in, zoals vooraf goedgekeurde prompts, contentfilters en beperkingen op datadeling. Loggen van vragen en antwoorden helpt bij audits. En bij gebruik voor beleid of juridische teksten is een tweede paar ogen verplicht, met traceerbare wijzigingen.
Data en legacy belemmeren winst
Veel publieke data zijn versnipperd over afdelingen en applicaties. Bestanden zijn oud, onvolledig of slecht beschreven. Dat belemmert training en toetsing van modellen, zeker in het Nederlands met lokaal jargon. Zonder opschoning en standaardisatie blijft de kwaliteit van antwoorden wisselend.
De AVG stelt grenzen aan het samenbrengen van datasets. Dataminimalisatie en het doelbindingsprincipe vragen om zorgvuldige keuzes: alleen verzamelen wat nodig is, en niet meer. Versleuteling en pseudonimisering verlagen risicoās, maar maken techniek en beheer complexer. Dat kost tijd en vakmanschap.
Steeds meer overheden gebruiken de Impact Assessment Mensenrechten en Algoritmen (IAMA) naast de DPIA. Ook helpt een openbaar algoritmeregister bij transparantie richting burgers. Dat sluit aan bij de Wet open overheid en het recht op uitleg: mensen moeten begrijpen hoe een besluit tot stand komt.
Slim inkopen voorkomt lock-in
Wie AI inkoopt, kiest vaak tussen hyperscalers en open modellen. Diensten als Azure OpenAI Service, Google Vertex AI en Amazon Bedrock bieden snelheid en schaal, maar vragen aandacht voor dataopslag in de EU en duidelijke verwerkersafspraken. Controle over logs en modelupdates is essentieel voor audits en de AI Act.
Open modellen zoals Metaās Llama 3 en Mistral Large geven meer zeggenschap en kunnen on-premises of in een Europese cloud draaien. De keerzijde is extra beheer en mogelijk lagere out-of-the-box prestaties. Een grondige benchmark op Nederlandstalige taken is nodig om verrassingen te voorkomen.
Juridisch is een stevige verwerkersovereenkomst onmisbaar, met exit-clausules, auditrechten en beveiligingseisen. Leg ook vast hoe nieuwe modelversies worden getest en uitgerold. Zonder die afspraken dreigt vendor lock-in en stijgen de risicoās bij incidenten.
Kansen in kleine, veilige stappen
De meeste winst ligt nu in laagrisico-toepassingen. Denk aan zoeken in beleidsteksten, assistentie bij formulieren en automatische transcripties van raadsvergaderingen. Dit kan de toegankelijkheid verbeteren, ook voor mensen met een auditieve beperking, in lijn met Nederlandse toegankelijkheidsregels. Begin klein en richt de processen meteen veilig in.
Werk met āhuman in the loopā en meetbare kwaliteitsdoelen. Stel eenvoudige indicatoren vast, zoals foutpercentages, doorlooptijd en klanttevredenheid. Laat het algoritme advies geven, maar houd een medewerker verantwoordelijk voor het besluit. Zo blijft de dienstverlening rechtvaardig en uitlegbaar.
Investeer tenslotte in vaardigheden van ambtenaren. Een praktische leidraad, verplichte checklists (DPIA/IAMA) en een publiek algoritmeregister zorgen voor consistentie. Deel ervaringen via VNG, de Nederlandse AI Coalitie en Europese netwerken, zodat succesvolle oplossingen schaalbaar worden en missers niet worden herhaald.