Kunstmatige Intelligentie (AI) is een platformtechnologie die allerlei industrieën disruptief verandert. Zo ook de publieke sector.
Met 7 jaar ervaring binnen de Nederlandse Overheid heb ik van binnen uit meegekregen wat data & AI kan betekenen, en wat (nog) niet. Op dit moment ben ik werkzaam bij Xomnia. Waar we bedrijven in de o.a publieke sector helpen van A tot Z in de ontwikkeling naar meer datagedreven werken.
Een goed moment voor een reflectie op de afgelopen jaren aan de hand van de meest voorkomende vragen over AI-toepassingen in de publieke sector.
1) Wat zijn de huidige toepassingen van kunstmatige intelligentie (AI) bij overheden?
Overheden maken al volop gebruik van AI. Een aantal voorbeelden:
- Automatisering van administratieve taken
Het is misschien een open deur, maar net als iedereen maken overheidsmedewerkers vaak ongemerkt al gebruik van data & AI. Voor taken die nu makkelijker uitgevoerd kunnen worden dan een aantal decennia geleden. Bijvoorbeeld het gebruik maken van een zoekmachine. Denk ook aan automatische vertalingen, spamfilters, e-mail assistenten, en inloggen met vingerafdrukken of gezichtsherkenning. In de toekomst zullen taken zoals het samenvatten van tekst of notities steeds vaker overgenomen worden door ChatGPT-achtige applicaties.
- Meer burgerparticipatie met AI
Xomnia werkte voor het Ministerie van Infrastructuur en Watermanagement (I&W) om inzicht te krijgen in hoe de bevolking aankijkt tegen openbaar vervoer, vliegvelden en andere infrastructuur. In dit geval kunnen ze thema’s en online discussies beter groeperen en classificeren, om zo een zoekmachine te ontwikkelen die specifiek op het uitzoeken van zienswijzen was toegespitst. Op een soortgelijke manier worden bij uitvoeringsorganisaties binnenkomende brieven of klachten automatisch geclassificeerd en geordend, met meer inzichten en een betere reactie als gevolg.
Ook in andere landen zien we wat er mogelijk is. Estland, beroemd om zijn e-government-wapenfeiten, komt met een eigen digitale assistent (een soort Siri) vanuit de overheid, genaamd Bürokratt, die de overheid nog meer benaderbaar moet maken. Tijdens mijn werk voor de Nederlandse overheid in Taiwan kwam ik in contact met de Taiwanese minister voor digitale zaken die uit de hacker community kwam. Zij zet Data & AI op grote schaal in om meer transparantie in overheidszaken mogelijk te maken. Een goed voorbeeld is de manier waarop de introductie van Uber in Taiwan zorgde voor crowdsourcing van ideeën en het opbouwen van consensus gebruik werd gemaakt van een online big data tool, vTaiwan.
- Effectievere handhaving
Een klassieke toepassing van AI is toekomstige trends voorspellen op basis van historische data. Bijvoorbeeld in de publieke gezondheidszorg, waar met behulp van social media uitbraken van ziektes voorspeld kunnen worden. Of, in Nederland zeer relevant, bij voorspellingen over de integriteit van dijken en waterwerken onder invloed van klimaatverandering. Bijna elke overheidsinstelling kan zijn eigen toepassing bedenken. Een voorwaarde daarvoor is wel dat eerst de datahuishouding goed op orde is zodat men zeker kan zijn over de kwaliteit van de voorspellingen. Zo hielp Xomnia de Gemeente Amsterdam met kundig datamanagement om beter voorbereid te zijn op pandemieën, klimaatverandering en georganiseerde misdaad.
Onderstaand worden nog legio andere voorbeelden gegeven. Het lijkt alsof er al een hoop gedaan wordt met AI, en dat is ook zo. Toch is er nog een wereld te winnen. In eerste oogopslag gaat het vaak toch nog om enkele gevallen die pas net voorbij "proof-of-concept" zijn, en dan met name bij de grotere organisaties.
2) Wat zijn uitdagingen voor AI in de overheid?
AI inzetten als overheid is een uitdaging. Er is een aantal factoren die daar aan bijdraagt. Op een goede manier met die uitdagingen omgaan kan bijdragen aan grote besparingen binnen de overheid.
- Strikte dataveiligheid en privacy vereisten
De publieke sector heeft een extra uitdaging ten opzichte van veel bedrijven in strikte dataveiligheid en privacy-vereisten. Dat betekent dat overheden niet alles mogen doen met data. Sowieso moet voor alles een heldere doelbinding bestaan. Het is goed dat dit bestaat, maar het kan ook verlammend werken. Daarnaast worden systemen soms hevig gelimiteerd in flexibiliteit uit voorzorg voor cybersecurity. Deze horde is echter niet onoverkomelijk. Om stappen te maken kan gedacht worden aan principes als sandboxes, privacy by design, goede software-ontwikkelingstandaarden, maar ook juist goed helder krijgen wat je wel en niet wil en mag doen. Een goed voorbeeld zijn de inclusieve AI guidelines van de Gemeente Amsterdam. Voor publiek draagvlak is het tenslotte ook nodig helder en transparant te communiceren wat voor AI waar gebruikt wordt, zoals met het openbare algoritme register van de Gemeente Amsterdam.
- Het gebrek aan een goede routekaart om tot succesvolle AI te komen
Een probleem dat de overheid overstijgt is het gebrek aan een goede routekaart om tot toepassingen van AI te komen. Vaak is AI slechts de kers op de taart, met daaronder lagen van data-infrastructuur-slagroom en developer-team-baksel die eerst goed moeten staan. Binnen de overheid is dit extra nodig, omdat het bij gebrek aan een duidelijk kwantificeerbaar doel als winstoptimalisatie makkelijker is om succes op verschillende manieren te definiëren, met gebrek aan een gedeelde visie als gevolg.
Daarnaast is er het risico dat er met iedere nieuwe politieke wind weer een andere richting in moet worden geslagen. Als Analytics Translators zijn wij vaak betrokken om een strategie uit te werken waar eerst wordt toegewerkt naar ‘minimal viable products’ (MVP’s), van waaruit verder kan worden uitgebouwd aan een user base, een team van codeurs en verdere oplossingen. Zo kom je snel aan terugkoppeling en voorkom je daarnaast hobbyprojecten of technische producten die niet aan een oplossing bijdragen. Je voorkomt het historische fenomeen van veel projecten in de publieke sector die in een proof of concept (PoC) fase bleven hangen.
- Agile methodes van werken zijn nieuw en vragen om andere aansturing
Een goede routekaart staat of valt bij de uitvoering. Software leent zich goed voor een ‘agile’ manier van werken, waarin niet alles van tevoren wordt vastgelegd en vaak pas op termijn het probleem en de oplossing goed gedefinieerd worden. Zeker voor grote projecten binnen de overheid was dat traditioneel echter lastig te verantwoorden. Een manier van werken zo flexibel als agile past bijvoorbeeld niet goed bij een project waarover hevig is gepolderd door verschillende politieke partijen.
Dat neemt niet weg dat er de laatste tien jaar bij bijvoorbeeld gemeenten, uitvoeringsorganisaties, waterschappen en veiligheidsregio’s al steeds meer agile wordt gewerkt, zoals bijvoorbeeld met gebruik van het Scaled Agile Framework (SAFe). Zelfs aan een draak van een IT systeem als het Digitaal Stelsel Omgevingswet wordt nu agile gewerkt. De uitdaging is nog dat de organisatie als geheel zich hierop moet aanpassen. Ook het bestuur moet anders nadenken over de wijze waarop het projecten aangestuurd wordt, met minder werk van eisen vastleggen vóór een aanbesteding, en meer werk van feedback en controle erna.
- Uitdagingen bij het aantrekken van talent
Het World Economic Forum noemt daarnaast een aantal factoren die het moeilijk maakt om de juiste prikkels te creëren voor succesvolle AI-projecten. Talent aantrekken is hierbij een belangrijke factor. Ervaren ontwikkelaars zijn vaak duur en het is lastig op de vastgelegde salarisschalen van overheden te concurreren met bedrijven. Gelukkig zijn er natuurlijk altijd mensen die niet alleen voor het geld gaan. Maar dat neemt niet weg dat er überhaupt een groot tekort aan werkkracht is in deze sector.
- Brede aankoopmechanismen
Verder worden door het World Economic Forum aankoopmechanismen genoemd, die bij overheden wereldwijd vaak tot jarenlange contracten voor software leiden met lock-in over de hele breedte van de organisatie. Op het eerste gezicht bespaart de overheid hiermee geld door kortingen op schaal. Er zitten aan dit soort contract echter vaak beperkende voorwaarden vast voor aanpassingen, of gebruik van software van derde partijen. Dit model biedt hoe dan ook afdelingen met andere behoeften beperkt mogelijkheden tot experimenteren met andere software. Daarnaast maakt dit het lastiger om in te spelen op de snelle veranderingen die het AI- en datalandschap eigen zijn, met suboptimale oplossingen als gevolg.
- Risico-aversie
Tenslotte zijn publieke organisaties door de bank genomen risicomijdender en daarom langzamer met nieuwe technologische toepassen. Berucht is de rol van AI en specifiek zelflerende algoritmen in de toeslagenaffaire. In de praktijk bleek het na het openbaar verhoor in de Tweede Kamer echter wel mee te vallen met het zelflerende karakter van deze algoritmen. Van echte AI was geen sprake: het ging eerder om statistische methodes. De technologie zelf is vaak ook niet het probleem, eerder de manier waarop het wordt toegepast, stellen ook de Universiteit van Amsterdam en Amnesty International. Het is van groot belang dat AI ethisch wordt gebruikt, met begrip voor limitaties en vooroordelen. Zie bijvoorbeeld onze Responsible AI webpagina voor een overzicht van waar wij ons bij Xomnia zelf aan houden.
Vanwege de uitdagingen en risico’s van AI, met als schrikbeeld de toeslagenaffaire, is de overheid begrijpelijk afwachtend. Zo kijken kleinere partijen eerst naar grotere partijen voordat ze met AI beginnen, zoals met gemeenten die wachten op richtlijnen of voorbeelden van de Vereniging van Nederlandse Gemeenten (VNG), grotere gemeenten of het Rijk.
Die afwachtendheid binnen de overheid laat echter wel grote besparingen onbenut die broodnodig zijn met de stijgende lasten. Deloitte schat dat de Amerikaanse overheid 41.4 miljard dollar kan besparen met AI. Op de schaal van de Nederlandse overheid zou het gaan om 3.3 miljard euro, meer dan het budget voor Landbouw, Natuur en Voedselkwaliteit in de Miljoenennota 2024. Daarnaast zit er natuurlijk ook nog veel potentie in nieuwe diensten en het ondersteunen van strategische beslissingen, zeker met de krapte op de arbeidsmarkt.
3) Hoe kunnen overheden AI-projecten succesvol tot stand brengen?
Wat is met bovengenoemde uitdagingen de beste strategie om tot waardevolle toevoegingen van AI te komen? Na een decennium van steeds meer IT-projecten bij de overheid hebben we een aantal dingen geleerd.
- Breek grotere projecten op in kleinere, behapbare brokken
Software komt in verschillende groottes en groter is niet per se beter. Berucht zijn de IT-megaprojecten binnen de overheid. Op politiek niveau bepaald, vaak vertraagd, en vaak over budget, niet alleen in Nederland maar ook daarbuiten. Denk bijvoorbeeld aan de IT-vernieuwing bij de Belastingdienst in Nederland, of bij de National Health Service (NHS) in het VK. AI is vaak een (klein) deel van deze projecten. Deze projecten hebben last van alle bovengenoemde belemmeringen en het laatste woord is nog niet gezegd over de beste strategie. Waar mogelijk projecten in behapbare stukken knippen en meer agile werken lijkt een goed begin.
- Zoek naar concrete problemen om op te lossen en begin klein
Een van de redenen waarom grote AI-projecten riskant zijn, is omdat de gehele organisatie vaak moet leren om effectief te zijn met AI. Niet alleen de ontwikkelaars, maar ook juist de eindgebruikers en degenen die de diensten later onderhouden.
Voor een organisatie aan het begin van dit traject helpt het daarom vaak om strategisch te beginnen met de meest concrete, makkelijk oplosbare problemen. Projecten waar op ambtelijk niveau snel belangrijke beslissingen kunnen worden gemaakt hebben de voorkeur. En je kunt denken aan uitvoerende taken die erg repetitief zijn of te grote schaal hebben om door mensen te laten doen, bijvoorbeeld het analyseren van luchtfoto’s, waterstanden of infrastructuur. Met dit laaghangend fruit krijg je vaak ook de rest van de organisatie enthousiast, waarna ambitieuzere projecten opgepakt kunnen worden.
Voor inspiratie wat allemaal mogelijk is: AI is goed in beeldherkenning, classificering en ordening, het analyseren en voorspellen van trends en het ondersteunen bij beslissingen. Dit kan in principe in alle taken van een publieke organisatie worden toegepast; van onderhoud aan infrastructuur tot consulaire dienstverlening. In de volgende paragrafen worden een hoop voorbeelden gegeven.
- Neem mensen aan met een data-achtergrond en stel ze in staat te experimenteren
Uiteindelijk draait alles om de mensen. Ik heb in mijn loopbaan veel initiatieven gezien vanuit individuen of teams binnen de overheid, die realiseren dat ze iets met AI kunnen doen. Misschien kan ChatGPT een bepaalde taak automatiseren (let op privacy!), of zit er iemand met wat handigheid in het team die iets kan automatiseren. Er kan soms verrassend veel met bestaande Software-as-a-Service (SaaS) oplossingen, of met simpele machine learning-algoritmes en statistiek.
In mijn vorige baan heb ik bijvoorbeeld bijgedragen aan meer effectieve wetenschaps- en innovatiediplomatie met het gebruik van wetenschappelijke publicatie en patentendata. Publieke organisaties kunnen dit in de hand werken door werknemers met een data-achtergrond aan te nemen vroeg in de loopbaan, en de vrijheid te bieden om veilig met software en AI te experimenteren. Dit kan inhouden meer beslissingen over software op een lager niveau te laten, in plaats van centraal lange termijn contracten aan te gaan.
4) Hoe wordt AI gebruikt bij gemeenten?
Gemeenten hebben taken die vaak tot duidelijk definieerbare problemen leiden. Daarnaast zijn de taken vaak behapbaar qua grootte en dus uitermate geschikt voor agile werken en AI oplossingen.
Er zijn te veel toepassingen om allemaal te benoemen, maar een aantal concrete voorbeelden in Nederland geven een goed beeld. In Nederland zijn het vooral de grotere gemeenten die AI breed gebruiken.
- Afval scheiden
De gemeente is verantwoordelijk voor de wet milieubeheer en daarmee afvalinzameling. Hier kan AI op verschillende manieren worden toegepast. Xomnia heeft de Gemeente Utrecht bijvoorbeeld geholpen met automatische classificering. De Radboud Universiteit zit daarnaast in een groot internationaal consortium om dit in de toekomst nog beter te kunnen doen.
- Automatische handhaving en verkeerssystemen met waarborgen voor privacy
De Gemeente Amsterdam heeft bij een Xomnia Data & Drinks evenement ook verteld over hoe AI wordt gebruikt om gevoelige delen te maskeren van straatfoto’s die gebruikt kunnen worden in automatische handhaving en verkeerssystemen. Denk aan nummerborden of gezichten van mensen.
- Voorspellend onderhoud
De gemeente heeft ook de regie over het onderhouden van infrastructuur. Het ideaal hierbij is voorspellend onderhoud. Data & AI kunnen worden gebruikt om digitale tweelingen te creëren van stukken infrastructuur die vervolgens met een hoop sensoren worden gemonitord. Zo worden defecten eerder opgespoord en kan onderhoud veel goedkoper uitpakken. Een groot Nederlands bouwconcern als BAM werkt al met AI-oplossingen in zo’n setting.
- Automatische controle met gebruik van camera en satellietbeelden
Klinkt enger dan het is. Het kan bijvoorbeeld gaan over automatisch opmerken of er afval of containers op straat staan, hoe het staat met de bomen en planten in de gemeente, of er illegale verbouwingen plaatsvinden, of welke plekken van de stad erg druk zijn tijdens festiviteiten zodat er eventueel een waarschuwing moet worden afgegeven. Dit kan en moet met waarborgen voor privacy, met de details transparant gepubliceerd in een algoritmeregister.
- Stadsplanning slimmer maken
Gemeenten hebben tenslotte ook de regie over stadsplanning, waar ook AI kan worden toegepast. De Gemeente Rotterdam gebruikte algoritmen om de beste aanvoerroutes voor alternatieve energie te onderzoeken. Een nieuwe manier van werken is daarnaast het bouwen van agent-based models om de impact van verschillende toekomstscenario’s te vergelijken in een planning fase, bijvoorbeeld gebruikt in het versnellen van de energietransitie.
Er zijn daarnaast nog vele voorbeelden te vinden in de algoritmeregisters van de grote gemeenten, zoals Amsterdam. Toch blijft er veel potentie voor het gebruik van AI bij gemeenten, gegeven de experimentele aard van veel van de voorbeelden, en het feit dat vaak nog op regels gebaseerde algoritmes worden gebruikt in plaats van zelflerende systemen. Daarnaast is er dus nog veel ruimte bij kleinere gemeenten.
5) Hoe wordt AI gebruikt in besluitvorming van de overheid?
Voor belangrijke beslissingen die de overheid neemt is vaak de voorkeur dat mensen die maken in plaats van AI. Wel kan AI worden gebruikt om de juiste voorwaarden te creëren voor goede besluitvorming: een goede informatiepositie. Daarnaast kan het veel snellere besluitvorming mogelijk maken en zo significant kosten drukken. Deze typen AI worden ook wel decision support systems (DSS) genoemd.
Hier zijn al veel voorbeelden van. Het Centraal Orgaan Asielzoekers (COA) gebruikt bijvoorbeeld AI om statushouders sneller aan een baan te koppelen. Op het hoogste niveau worden cijfers van het Centraal Bureau Statistiek (CBS) gebruikt om politieke programma’s vorm te geven, en die worden weer mogelijk gemaakt met AI-modellen.
Een ander voorbeeld is de Dienst Uitvoering Onderwijs (DUO), die AI gebruikte om mogelijke fraudeurs met studiebeurzen te identificeren. In dat laatste voorbeeld kwam trouwens meteen een groot risico aan het licht voor het gebruik van DSS in een overheids-setting: het algoritme bleek studenten met een migratieachtergrond onevenredig veel te selecteren en wordt nu niet meer gebruikt. Een déjà-vu naar de toeslagenaffaire.
De lessen uit de toeslagenaffaire en de casus DUO zijn dat goed moet worden nagedacht over mogelijke vooroordelen van modellen voor algoritmen kunnen worden toegepast bij besluitvorming. Als dat goed wordt gedaan kan het eindresultaat zelfs minder bevooroordeeld zijn dan bij menselijke besluitvorming. Zo geeft het Centraal Planbureau (CPB) in het rapport Rechtvaardige Algoritmes het voorbeeld van AI-algoritmes die bijdragen aan het evenwichtiger selecteren van studenten geneeskunde bij een numerus fixus, zodat zowel wordt voldaan aan de kwaliteitseis van studenten, als de eis dat toekomstige dokters qua achtergrond een weerspiegeling van de samenleving zijn.
6) Welke invloed zal AI hebben op overheden?
Een disruptieve platformtechnologie als AI heeft al een grote invloed op overheden, en dat zal alleen nog maar toenemen, net zoals dat bij eerdere technologische revoluties het geval was. Die invloed zal vanuit meerdere richtingen komen.
- De economische impact van AI
Ten eerste verandert AI de economie, waar overheden op zullen moeten reageren, of beter nog - anticiperen. Dat doet de Nederlandse regering ook, bijvoorbeeld met het AiNed Investeringsprogramma onder het Groeifonds. Als goed uitgevoerd, betekent dit dat de Nederlandse economie kan profiteren van nieuwe economische activiteit, en dat het Nederlandse verdienvermogen niet wordt weggevreten door concurrentie vanuit het buitenland. Vervolgens is er ook nog de vraag hoe werknemers wiens baan door AI overbodig is gemaakt te ondersteunen of om te scholen.
- Nieuwe afhankelijkheden door AI
Ten tweede ontstaan naast economische kansen ook nieuwe afhankelijkheden. Bijvoorbeeld van Amerikaanse cloud providers die met hun infrastructuur cruciale AI-diensten online houden, of een niveau dieper zelfs van de Taiwanese en Zuid-Koreaanse chipproducenten die de chips in de datacenters leveren. Er moet goed nagedacht worden over hoe kan worden omgegaan met geopolitieke en economische risico's.
- De impact van AI op de samenleving
Ten derde is het aan de overheid om ons te beschermen tegen misbruik en bijwerkingen van AI. Wat kan er bijvoorbeeld worden gedaan tegen nepnieuws, nu generatieve AI vrijwel gratis grote aantallen geloofwaardige nieuwsberichten kan genereren, inclusief niet-van-echt-te-onderscheiden nepvideo’s of nepfoto’s? En hoe kunnen we voorkomen dat er op grote schaal bevooroordeelde AI-modellen worden ingezet die minderheden discrimineren? Op Europees niveau wordt hier al een hoop aan gedaan.
- AI als gereedschap voor de overheid
Ten vierde biedt AI-oplossingen die de overheid kan inzetten. Bijvoorbeeld juist om met misbruik van AI om te gaan en bij de opsporing van (cyber) criminelen, maar ook om de dienstverlening van de overheid efficiënter te organiseren, of het nou gaat om onderhoud van infrastructuur of afvalinzameling. Tenslotte worden er nieuwe diensten mogelijk, zoals directer contact met de burger, of nieuwe manieren van burgerparticipatie.
7) Hoe kan AI bestuur verbeteren?
AI kan bestuurders met name helpen een betere informatiepositie te verwerven dan eerder mogelijk was, met betere beslissingen tot gevolg. Een eerste stap in die richting - goed datamanagement - kan vaak al een hele impact hebben. Het begint vaak beschrijvend: weten we überhaupt goed wat er gebeurt? Vervolgens kan diagnostisch gedacht worden: waarom gebeurde wat is gebeurd en wat zegt dat over eerdere beslissingen?
Met gebruik van AI kan daarna ook worden voorspeld: wat gaat er gebeuren in de toekomst waar we beslissingen over moeten maken? De laatste stap is daadwerkelijk mogelijke oplossingen voorschrijven: wat zijn onze opties? Voor AI is het daarbij steeds meer van belang te kunnen toelichten waar de oplossingen op gebaseerd zijn, en wat onzekerheden of alternatieve scenario’s zijn. Het is vervolgens aan de bestuurder om de assumpties te toetsen, aan randvoorwaarden te voldoen, en de juiste oplossing in werking te zetten.
Het is hierbij goed om twee typen beslissingen te onderscheiden. Er is een groot verschil tussen grote beslissingen die bestuurders maken, zoals eenmalige koersbepalingen, en repetitieve beslissingen zoals het toekennen van een vergunning. De tweede, repetitieve categorie is vaak beter geschikt voor toepassingen van AI. Dat wil niet zeggen dat goede toegang tot data en gebruik van AI op een aantal helder gedefinieerde indicatoren niets kan toevoegen aan grote beslissingen. Er moet echter wel uitgekeken worden dat een mooi dashboard geen vals gevoel van veiligheid en alwetendheid creëert.
8) Hoe wordt generatieve AI gebruikt bij overheden?
Generatieve AI (GenAI) is een relatief nieuw veld. De belangrijkste fundamentele doorbraak voor huidige ontwikkelingen - transformers - werd geïntroduceerd op een conferentie in 2017 door Google. GPT-3 stamt uit 2020 en ChatGPT uit november 2022.
Ik weet uit ervaring dat ChatGPT al gebruikt wordt bij de overheid - zoals iedereen experimenteren ook overheidsmedewerkers met de mogelijkheden om teksten samen te vatten, mails te schrijven en vragen te beantwoorden. Af en toe gebruikt er misschien eens iemand Midjourney om een afbeelding voor promotiedoeleinden te genereren. Deze ontwikkelingen verhogen productiviteit en mogen worden aangemoedigd, zolang voorzichtig wordt omgegaan met gevoelige data en hallucinaties van het model.
Er komen wekelijks nieuwe software-oplossingen uit die een bepaalde niche vullen met GenAI, zoals gegenereerde Powerpoints en infographics, of persoonlijke email-assistenten. Het wachten is echter nog op een grote, zichtbare, specifiek op een overheidsfunctie aangepaste toepassing van GenAI.
9) Wat is generatieve AI voor de publieke sector?
We staan dus nog aan het begin. De mogelijkheden van GenAI in de publieke sector zijn groot. Er kan gedacht worden aan een groot aantal toepassingen.
Bijvoorbeeld chatbots die dienstverlening van de overheid beter moeten maken en sneller vragen op de juiste plek brengen. Of juist interne assistenten die werknemers helpen de juiste informatie te vinden in complexe organisaties. Xomnia gebruikt bijvoorbeeld intern een large language model (LLM) om de bedrijfswiki beter te ontsluiten. Zelf ben ik daarnaast erg enthousiast over de mogelijkheid om digitale assistenten (LLM based agents) administratieve taken te laten uitvoeren: het invullen van formulieren voor interne processen, documenten ordenen, en automatische checks op naleving van de standaarden zoals de Algemene Verordening Gegevensbescherming (AVG).
LLM based agents zouden op termijn oude, logge IT-systemen aan elkaar kunnen knopen. Zonder dat er nieuwe regels hard hoeven te worden gecodeerd wordt het dan misschien mogelijk om bij veranderende wetgeving on-demand nieuwe formulieren te genereren en te zorgen dat de informatie automatisch op de juiste plek komt. Het zou grote mogelijke toepassingen kunnen kennen bij de Belastingdienst of andere uitvoeringsorganisaties.
En dan zijn er nog de unknown unknowns. Wie had in de eerste dagen van het internet Google, Facebook en Amazon kunnen voorspellen? Als we een ding kunnen verwachten de komende jaren is het verrassende toepassingen. Iets om naar uit te kijken!