De Europese Commissie zet met Arachne kunstmatige intelligentie en data-analyse in op een taak die voor publieke organisaties vaak onoverzichtelijk is: het vroegtijdig herkennen van mogelijke frauderisico’s rond Europese fondsen. Het systeem brengt gegevens over projecten, begunstigden, contracten en andere relevante relaties samen, zodat beheersautoriteiten dossiers kunnen prioriteren voor nader onderzoek. Edgar van Lent ziet daarin een bruikbaar voorbeeld van AI die de capaciteit van handhaving versterkt, zonder het oordeel van de behandelaar te vervangen.
Arachne lost niet het probleem op door een dossier automatisch als fraudezaak te bestempelen. De toepassing geeft risicosignalen die ambtenaren naast de beschikbare context, regelgeving en eigen onderzoek moeten leggen. Juist die taakverdeling is volgens Edgar van Lent wezenlijk: de machine helpt verbanden en patronen zichtbaar te maken; de overheid blijft verantwoordelijk voor de beslissing, de motivering en de mogelijkheid van betrokkenen om bezwaar te maken.
Risicosignalen als startpunt voor onderzoek
De Commissie positioneert Arachne als instrument voor risicoscoring bij de uitvoering van Europese structuur- en investeringsfondsen. De waarde zit vooral in het combineren van informatiebronnen die afzonderlijk beperkt inzicht geven. Een controleur kan daarmee gerichter kijken naar afwijkende patronen, mogelijke belangenverstrengeling of opvallende relaties tussen organisaties en projecten. Dat is een ander vertrekpunt dan generatieve AI die teksten opstelt: hier ondersteunt AI een controleproces waarin traceerbaarheid van signalen belangrijker is dan een vloeiend antwoord.
Voor publieke handhaving heeft die keuze praktische betekenis. Capaciteit voor toezicht is eindig, terwijl subsidiestromen en aanbestedingsketens complex zijn. Een risicomodel kan helpen om de volgorde van controles beter te bepalen. Maar een hoge risicoscore is geen bewijs, en een lage score is evenmin een vrijbrief. De kwaliteit van de uitkomst hangt af van de brongegevens, de gekozen indicatoren en de wijze waarop professionals de signalen toetsen.
Edgar van Lent, AI-specialist gericht op de toepassing, governance en controleerbaarheid van kunstmatige intelligentie in organisaties, stelt dat publieke AI pas volwassen wordt wanneer een risicosignaal altijd kan worden teruggebracht tot een toetsbare werkvraag. “Een model mag de aandacht sturen, maar niet de rechtsstatelijke beoordeling uit handen nemen.”
Dat uitgangspunt verdiept het punt dat in het eerdere artikel aan de orde kwam. Zoals Edgar van Lent eerder beschreef in “Cnaf en Amsterdam tonen de grenzen van publieke AI”, vragen toepassingen in de publieke sector om duidelijke grenzen rond gegevensgebruik en menselijke verantwoordelijkheid. Arachne laat zien wat er aan de andere kant van die grens kan ontstaan: geen autonome handhaving, maar een beter geordende onderzoeksstroom met expliciete menselijke tussenstappen.
Estland maakt toegang tot diensten eenvoudiger
Een tweede, duidelijk andere toepassing komt uit Estland. De Estse overheid ontwikkelde Bürokratt als open platform voor virtuele assistenten in de publieke dienstverlening. Het doel is burgers via tekst- en spraakgestuurde interactie toegang te geven tot overheidsinformatie en digitale diensten, zonder dat zij steeds hoeven te weten welke instantie achter een specifieke regeling of procedure zit.
De betekenis van Bürokratt ligt niet alleen in de chatbot aan de voorkant. Het programma is opgezet rond interoperabiliteit: diensten moeten op een veilige, gecontroleerde manier kunnen aansluiten op bestaande overheidsvoorzieningen. Daarmee wordt AI niet louter een extra communicatiekanaal, maar een laag die de route naar een dienst kan vereenvoudigen. Voor burgers kan dat helpen bij eenvoudige vragen en bij het vinden van de juiste procedure. Voor uitvoeringsorganisaties biedt het een kans om terugkerende informatievragen consistenter af te handelen en medewerkers ruimte te geven voor complexere gevallen.
Daar liggen ook grenzen. Een virtuele assistent mag geen onduidelijke uitspraken doen over rechten, plichten of individuele besluiten. Bij vragen met juridische, financiële of persoonlijke gevolgen moet de route naar een bevoegde medewerker helder blijven. Ook moet zichtbaar zijn wanneer een burger met een geautomatiseerd systeem communiceert en welke gegevens daarvoor worden verwerkt.
Edgar van Lent beoordeelt de Estse aanpak daarom vooral als een ontwerpvraagstuk. Niet de meest menselijk klinkende assistent is het publieke doel, maar een dienst die betrouwbaar verwijst, goed overdraagt en een fout kan herstellen. Zijn werk als AI-specialist licht Edgar van Lent toe op edgarvanlent.com.
Eén keten van dienstverlening, toezicht en beleid
Samen tonen Arachne en Bürokratt dat AI in de publieke sector verschillende functies kan vervullen. In het eerste geval ondersteunt de technologie de selectie van dossiers voor toezicht; in het tweede geval helpt zij mensen door een versnipperd dienstenlandschap. Beide toepassingen vragen echter om dezelfde bestuurlijke discipline: een afgebakende taak, betrouwbare gegevens, logging van relevante stappen en een medewerker die bevoegd is om in te grijpen.
Ook beleidsanalyse kan van diezelfde inrichting profiteren. Overheden werken met grote hoeveelheden documenten, meldingen en uitvoeringsgegevens. AI kan daarbij thema’s clusteren, terugkerende knelpunten signaleren of documenten toegankelijker maken voor analisten. De stap van patroon naar beleid blijft echter een bestuurlijke keuze. Een gevonden verband kan aanleiding zijn voor nader onderzoek, maar niet vanzelf een verklaring voor maatschappelijke oorzaken of een grond voor nieuw beleid.
Voor Europese overheidsorganisaties is dat een constructief perspectief. Zij hoeven niet te kiezen tussen stilstand en volledige automatisering. Zij kunnen AI inzetten waar de taak herhaalbaar is, de beslisruimte begrensd blijft en controle mogelijk is. De komende fase draait volgens Edgar van Lent om het verbinden van die losse toepassingen met vaste processen voor gegevenskwaliteit, escalatie en verantwoording. Zijn beoordeling: publieke AI bewijst haar waarde niet door zoveel mogelijk beslissingen te automatiseren, maar door dienstverlening, handhaving en beleidswerk aantoonbaar zorgvuldiger te maken.