Niels van Gunst blikt terug op congres Data & AI in de Overheid

29 mei 2024 Consultancy.nl 9 min. leestijd

Eind vorige maand vond de 2024-editie van ‘Data & AI in de Overheid’ plaats. Meer dan honderd bezoekers vanuit alle lagen van de publieke sector gingen met elkaar in gesprek over de transitie naar datagedreven werken en wat daarbij allemaal komt kijken. “Het was een groot succes”, vat een tevreden Niels van Gunst het samen. We blikken samen met de directeur van Möbius Nederland terug op het congres en de belangrijkste lessen.

Niels van Gunst had figuurlijk twee petten op tijdens het congres. Als lid van de programmacommissie was hij medeverantwoordelijk voor de inhoud van het congres en de bewaking van de kwaliteit en diversiteit van het programma.

In het dagelijkse leven is hij directeur van Möbius Nederland, een adviesbureau dat partijen in de publieke en private sector helpt bij het doorvoeren van hun complexe veranderopgaven. Möbius is zelf al jarenlang als kennispartner verbonden aan het congres. Samen met collega’s Wietse Meerholz en Kirsten Van Huffel vertegenwoordigde Van Gunst Möbius op het congres.

Niels van Gunst blikt terug op congres Data & AI in de Overheid

Niels van Gunst, Wietse Meerholz en Kirsten Van Huffel op het ‘Data & AI in de Overheid’-congres

Hoe kijk je terug op het congres? Wat waren voor jou de belangrijkste takeaways?

“Erg tevreden. Een hoge opkomst – allemaal enthousiaste bezoekers die graag met AI aan de slag willen gaan en/of datagedreven werken verder willen brengen in de organisatie. We zien dat mensen AI niet enkel willen inzetten om het bestaande te verbeteren, maar ook om nieuwe innovaties toe te passen binnen de overheid.”

“Veel overheidsorganisaties zijn nog zoekende: Wat kunnen we met AI en hoe pas je dit correct toe in lijn met wet- en regelgeving? Het was fijn om concrete toepassingen aan de deelnemers te kunnen toelichten.”

“De toegenomen belangstelling voor AI is mede te danken aan de opkomst van generatieve AI en large language models (LLM’s), met uiteraard ChatGPT als bekendste voorbeeld. Dergelijke AI-systemen bieden de mogelijkheid om diverse administratieve processen te automatiseren, waardoor repetitieve taken afnemen en er meer tijd beschikbaar komt voor betekenisvol werk.

“Een aanzienlijk voordeel van deze modellen is de snelle implementatietijd. In tegenstelling tot traditionele AI-methoden – die afhankelijk zijn van uitgebreide, gelabelde datasets – bieden vooraf getrainde LLM’s een efficiënte oplossing. Ze kunnen breed ingezet worden voor tekstverwerkingstoepassingen zoals het classificeren, anonimiseren, vertalen en samenvatten van documenten.”

“Daarnaast kunnen ze gebruikt worden voor het automatisch beantwoorden van klachten, het genereren van rapporten en het ontwikkelen van aangepaste chatbots die de toegang tot interne documentatie vergemakkelijken.”

Je hebt tal van ambtenaren gesproken tijdens het event. Tegen welke uitdagingen lopen ze aan bij de realisatie van hun plannen?

“Een veelgehoorde vraag is hoe je binnen de organisatie urgentie creëert om aan de slag te gaan met datagedreven werken of AI. Ook vragen managers zich af hoe je tot een visie en kaders komt en hoe je hier concreet mee aan de slag gaat in de praktijk.”

“Een essentiële voorwaarde voor het effectief inzetten van AI om bedrijfsprocessen te optimaliseren is een hoge mate van datamaturiteit. Dit houdt in dat data niet alleen gecentraliseerd en goed geannoteerd moet zijn, maar ook betrouwbaar.”

“Veel organisaties vinden het uitdagend om de volledige potentie van AI te doorgronden.”

“Deze eerste cruciale stap vormt voor veel organisaties een aanzienlijke uitdaging. Vaak is data van lage kwaliteit, ongestructureerd en ook nog eens verspreid over verschillende systemen. Maar belangrijk is om te vermelden dat ook híer AI uitkomst biedt: geavanceerde taalmodellen à la ChatGPT kunnen worden ingezet om ongestructureerde data te structureren en de algehele datahuishouding te verbeteren.”

“Daarnaast vinden veel organisaties het uitdagend om de volledige potentie van AI te doorgronden. Er bestaat een aanzienlijke kennislacune rond het effectief inzetten van nieuwe technologieën, zoals LLM’s, om specifieke uitdagingen binnen de organisatie aan te pakken.”

“Hoewel AI-systemen in proof of concept-fasen vaak goed functioneren, is de overgang naar praktische, efficiënte toepassingen in de dagelijkse bedrijfsvoering nog relatief nieuw. Organisaties beginnen nu pas de eerste exploratieve stappen te zetten om deze technologieën daadwerkelijk te integreren en meetbare verbeteringen in efficiëntie te realiseren. Dit proces vereist een dieper begrip van zowel de mogelijkheden van AI als de specifieke operationele behoeften van de organisatie.”

Het vertrouwen in de overheid ligt op een dieptepunt. Tegelijkertijd willen overheidsinstellingen het gebruik van (persoonlijke) data flink opschroeven. Hoe kan de balans worden bewaakt?

“In mijn ogen kan AI repeterende werkzaamheden en simpele basisvragen overnemen. De tijd die daarmee bespaard wordt kan de overheid inzetten om meer maatwerk te leveren en inwoners te helpen met complexere zaken. Vergeet ook niet dat AI/robotisering in bepaalde repetitieve taken juist de kans op menselijke fouten wegneemt.”

“Ook is het opzetten van een AI-architectuur die dataprivacy garandeert tegenwoordig essentieel wanneer we AI willen toepassen binnen een overheidsorganisatie. Er zijn diverse veilige methoden beschikbaar voor het werken met AI.”

“Neem bijvoorbeeld Microsoft Azure, dat LLM’s aanbiedt binnen een beveiligde omgeving, waarbij expliciet gegarandeerd wordt dat klantgegevens niet worden gebruikt voor het trainen van AI-systemen. Net als bij andere Microsoft-services, profiteren gebruikers van een optimale dataveiligheid.”

“Zo’n cloud-gebaseerde oplossing wordt ook geprefereerd binnen Möbius, omdat het een GDPR-compliant AI-systeem biedt aan onze klanten. Voor organisaties die nog een stap verder willen gaan in het beschermen van hun data, biedt het inzetten van een lokale server om een LLM te hosten een uitstekende optie, waarbij data exclusief binnen de organisatie blijft.”

Zelf gaf je tijdens gesprekken met managers en bestuurders meermaals aan dat datagedreven werken over veel meer gaat dan technologie. Waar doel je dan op?

“Transformatie gaat over een nieuwe weg inslaan, omdat de huidige manier van werken niet meer past bij de snelheid van veranderingen in onze samenleving en de verwachtingen van de klant. Het benutten van de gegevens die je hebt, gaat niet alleen over de gegevens zelf. De overgang naar een datagedreven organisatie vereist een verandering in strategie, cultuur, processen, evenals de juiste vaardigheden en technologie.”

“Uiteindelijk gaat het om de urgentie creëren, de meerwaarde laten zien en daarmee medewerkers meekrijgen in een nieuwe, andere manier van werken. Het slim inzetten van data leidt tot meer gefundeerde inzichten en keuzes en ook tijdsbesparingen.”

Wat doen jullie bij Möbius zelf op het gebied van data en AI?

“We helpen organisaties bij visievorming: het scherp krijgen van een stip op de horizon. Ook coachen we startende teams om nieuwe rollen en bijbehorende verantwoordelijkheden op te nemen en helpen we urgentie creëren door een concrete toepassing van datagedreven werken op te zetten en daarmee het team te positioneren.”

“De tijd die wordt bespaard kan de overheid inzetten om inwoners te helpen met complexere zaken.” 

“Rond de inzet van LLM’s helpen we organisaties om snel en goed grip te krijgen op datasets en daarmee de dienstverlening te verbeteren. Denk ook aan het automatiseren van administratieve processen, zoals het beantwoorden van repetitieve vragen en klachten of het anonimiseren van documenten.”

“Ook helpen we complexe en versnipperde interne documentatie via op maat gemaakte chatbots toegankelijk te maken, om gebruikers in staat te stellen om snel en efficiënt de benodigde documenten en gegevens te vinden. Dit alles draagt bij aan een efficiëntere en effectievere werking van de organisatie.”

Tot slot, heb je enkele concrete voorbeelden vanuit de praktijk?

“Bij een G4-gemeente hebben we het analyseproces rond de afhandeling van meldingen geautomatiseerd. Elk jaar ontvangt deze gemeente meer dan 400.000 meldingen van burgers over uiteenlopende problemen in de openbare ruimte. Het handmatig analyseren was tijdrovend en leidde vaak tot onvolledige beoordelingen van de afhandeling van deze meldingen.”

“De uitdaging was om dit proces te automatiseren met behulp van LLM’s die de tekstuele feedback automatisch categoriseren in duidelijk gedefinieerde reacties. Dit resulteerde in gestructureerde data die efficiënt geanalyseerd kon worden, waarna de resultaten werden omgezet in gedetailleerde statistieken en rapportages.”

“De inzet van AI en LLM’s leidde tot een aanzienlijke verhoging van de efficiëntie, betere inzichten in de afhandeling van meldingen en een meer geïnformeerde besluitvorming, om zo uiteindelijk de dienstverlening aan het publiek en de tevredenheid van burgers te verbeteren.”

“Een ander mooi project is een opdracht voor een grote stad in België, waar we helpen de verwerking van de vele bezwaarschriften die binnenkomen op parkeerboetes grotendeels te automatiseren.”

“Door een LLM te trainen op basis van historische interacties met burgers – met behulp van prompt engineering-technieken om de antwoordstijl van het model te verfijnen – kan het LLM herkennen op welke bezwaarschriften een standaard bericht kan worden toegepast, zodat een medewerker enkel nog een laatste check hoeft te doen en het antwoord kan verzenden.”

“Bovendien wordt een geavanceerd besturingssysteem ontwikkeld waarmee het LLM kan communiceren met externe databases voor het verifiëren van transacties en kentekens. Dit geïntegreerde systeem zal niet alleen de doorlooptijd voor het afhandelen van klachten aanzienlijk verkorten, maar ook de administratieve belasting voor de stad verminderen, wat leidt tot een efficiëntere en responsievere dienstverlening aan burgers.”

“Kortom: een mooi voorbeeld van hoe de overheid AI kan inzetten om burgers beter te helpen.”