Een door Meta Platforms gesteunde groep AI-experts gaat Britse openbare diensten en het vervoer moderniseren. De samenwerking start op het moment van schrijven in het Verenigd Koninkrijk om processen te versnellen en kosten te verlagen. De teams bouwen en testen algoritmen bij overheden en vervoerders. Dit raakt ook aan regels uit de Europese AI-verordening en de AVG, met gevolgen voor de overheid in Nederland en de EU.
Meta steunt Britse innovatie
De betrokken AI-experts krijgen steun van Meta, het moederbedrijf van Facebook en Instagram. Die steun is financieel of technisch, bijvoorbeeld via kennis of toegang tot datamodellen. Doel is om publieke diensten beter te laten werken met moderne algoritmen. Denk aan snellere afhandeling, minder wachtrijen en duidelijkere informatie voor burgers.
Het programma richt zich op praktische pilots in de publieke sector. Pilots zijn proefprojecten met een beperkte doelgroep en tijd. Zo kunnen teams risico’s klein houden en leren wat wel en niet werkt. Daarna volgt een stap-voor-stap uitrol als de resultaten goed zijn.
In het openbaar vervoer gaat het vooral om planning en informatie. In andere diensten gaat het om het verwerken van aanvragen en signalen. Daarbij worden modellen getraind op historische data, zoals piekmomenten of veelgestelde vragen. Machine learning is software die patronen leert uit zulke gegevens.
Slimmere inzet in vervoer
In het vervoer zijn de kansen concreet. Algoritmen kunnen drukte voorspellen en dienstregelingen aanpassen. Ook kunnen ze storingen opsporen en onderhoud plannen. Dit heet voorspellend onderhoud, waarbij je problemen oplost vóórdat iets stukgaat.
Reizigers kunnen betere reisinformatie krijgen via chatbots of automatische meldingen. Een chatbot is een systeem dat via tekst of spraak met mensen praat. Let wel: taalmodellen kunnen fout antwoorden of “hallucineren”. Daarom is menselijk toezicht nodig bij belangrijke meldingen.
Voor crowd management kunnen camera’s en sensoren data leveren. Dan is privacy cruciaal, bijvoorbeeld met anonimisering of het tellen van groepen in plaats van personen. De AVG verlangt dataminimalisatie: verzamel niet méér dan nodig. Versleuteling en strikte toegangsrechten horen daar ook bij.
Publieke diensten digitaler
Ook loketten en backoffice-processen in de overheid kunnen sneller. Denk aan het automatisch lezen van documenten, het ordenen van dossiers en het triëren van meldingen. Triëren is het snel indelen op basis van urgentie of onderwerp. Medewerkers houden de eindbeslissing en controleren het systeem.
Taalmodellen zoals LLM’s (grote taalmodellen) helpen bij tekst. Ze kunnen samenvatten, uitleg herschrijven en standaardbrieven opstellen. LLM’s voorspellen het volgende woord in een zin op basis van training. Voor echte besluiten blijft menselijke toetsing nodig om fouten en bias te voorkomen.
Bias is een scheefheid in data of uitkomsten. Dat kan groepen benadelen, bijvoorbeeld bij toewijzing van diensten. Een impactanalyse vooraf helpt dit te beperken. Ook moet de overheid uitleggen hoe een model werkt en waarom een advies is gegeven.
Wetgeving stuurt aanpak
De Europese AI-verordening (AI Act) stelt eisen aan systemen die in de overheid en het vervoer worden gebruikt. Veel toepassingen vallen in de categorie hoog risico. Dat betekent strenger toezicht, documentatie en menselijk controle. Nederland zal deze regels toepassen zodra de verordening in werking is.
De AI-verordening merkt systemen voor toegang tot overheidsdiensten en kritieke infrastructuur aan als “hoog risico”. Dat vraagt om risicobeheer, kwaliteitsdata, traceerbaarheid en menselijk toezicht.
Het Verenigd Koninkrijk valt buiten de EU, maar werkt met de UK GDPR die lijkt op de AVG. Als diensten ook EU-burgers raken, gelden Europese regels alsnog. Denk aan grensoverschrijdend vervoer of datadeling met Europese partners. Duidelijke afspraken over datastromen en opslaglocaties zijn dan verplicht.
Voor Nederlandse organisaties zijn bestaande kaders leidend. Denk aan DPIA’s (gegevensbeschermingseffectbeoordelingen), aanbestedingsregels en het Algoritmeregister. Transparantie over doel, data en prestaties wordt steeds belangrijker. Dat helpt vertrouwen op te bouwen bij burgers.
Open of gesloten modellen
Meta staat bekend om open modellen zoals de Llama-familie. Open modellen kunnen controleerbaarder en goedkoper zijn, omdat meer partijen meekijken en bijdragen. Ze maken het makkelijker om broncode en trainingsaanpak te beoordelen. Dat past bij de vraag om transparantie in de publieke sector.
Gesloten modellen kunnen sterker zijn op specifieke taken of veiligheid. Maar ze zijn vaak duurder en minder uitlegbaar. Overheden moeten de afweging expliciet maken in aanbestedingen. Daarbij tellen auditbaarheid, herleidbaarheid en eigenaarschap van data zwaar mee.
Leveranciers moeten duidelijk maken hoe data worden verwerkt en bewaard. Fijnmazige logboeken helpen bij het reconstrueren van beslissingen. Ook moeten ze updates en incidenten melden. Zo kan de overheid sturen en ingrijpen als iets misgaat.
Lessen voor Nederland
Wat in het VK gebeurt, biedt handvatten voor Nederland. Begin klein met pilots in vervoer, loketten en zorg. Meet helder: wat is de foutmarge, de tijdwinst en de impact op de werkdruk? Publiceer de resultaten en de gebruikte modellen in het Algoritmeregister.
Betrek reizigers en burgers vroeg. Leg uit wat het systeem wel en niet kan. Bied altijd een menselijk alternatief, zeker bij bezwaar en klachten. Zo blijft toegang tot publieke diensten eerlijk en begrijpelijk.
Werk met een vaste “AI-werkvloer”: standaarden, sjablonen en checklists. Verplicht DPIA’s, dataminimalisatie en security-by-design. Houd rekening met de AI-verordening, die eisen stelt aan documentatie en toezicht. Dan kan innovatie sneller én veiliger doorstromen naar de praktijk.
