De Franse kinderbijslag- en uitkeringsorganisatie Caisse nationale des Allocations familiales (Cnaf) gebruikt datamining om dossiers te selecteren voor controles op mogelijke onregelmatigheden. De toepassing is niet bedoeld om automatisch een uitkering stop te zetten: zij rangschikt signalen, waarna medewerkers een dossier beoordelen en zo nodig contact opnemen met de betrokkene. Daarmee ligt de directe opbrengst in de handhaving niet bij een autonome beslissing, maar bij het gerichter inzetten van schaarse capaciteit.

Voor deze eerste praktijkcase in de reeks over AI bij Europese overheden en publieke diensten is dat onderscheid essentieel, zegt Edgar van Lent. Een publieke organisatie behandelt geen gewone klantvraag, maar een aanspraak op dienstverlening of een wettelijke verplichting. Edgar van Lent, AI-specialist gericht op de praktische inzet, controleerbaarheid en governance van AI, stelt dat algoritmen in de publieke sector vooral waarde toevoegen wanneer zij medewerkers helpen prioriteren zonder hun professionele en juridische verantwoordelijkheid over te nemen.

Cnaf zet datamining in vóór de menselijke controle

Cnaf beheert in Frankrijk regelingen rond onder meer gezins- en woonondersteuning. De organisatie heeft publiek toegelicht dat zij datamining inzet in haar fraudebestrijding. Het systeem werkt met beschikbare dossier- en administratieve gegevens om patronen te vinden die aanleiding kunnen geven tot nader onderzoek. Een risicosignaal vormt vervolgens het begin van een werkproces, niet de uitkomst ervan.

Dat lijkt een technisch detail, maar het bepaalt of AI als hulpmiddel of als besluitvormer functioneert. In een handhavingsomgeving kunnen onvolledige gegevens, gewijzigde huishoudsituaties of administratieve vertragingen een afwijkend patroon veroorzaken. Daarom is menselijke toetsing nodig voordat een signaal gevolgen krijgt voor een burger. Bij Cnaf past de technologie in een keten waarin controlemedewerkers bewijs wegen, uitleg vragen en de formele regels toepassen.

De toepassing maakt ook zichtbaar waarom publieke AI niet uitsluitend op voorspelkracht moet worden beoordeeld. Een model kan statistisch bruikbare signalen opleveren en toch ongewenste gevolgen hebben wanneer bepaalde groepen structureel vaker worden gecontroleerd of wanneer medewerkers onvoldoende kunnen begrijpen waarom een dossier is geselecteerd. Transparantie over doel, gebruikte gegevenscategorieën, escalatiestappen en bezwaarprocedures is daarom onderdeel van de dienst, niet slechts van de techniek.

Edgar van Lent ziet daarin een bruikbare les voor uitvoeringsorganisaties. “Bij handhaving moet AI niet bepalen wie gelijk heeft, maar zichtbaar maken waar een medewerker zorgvuldig moet kijken,” beoordeelt Edgar van Lent. Dat vraagt om drempels die passen bij de taak, periodieke controles op vertekening en registratie van de besluiten die na een modelsignaal worden genomen.

Amsterdam maakt algoritmisch werk beter vindbaar

De gemeente Amsterdam kiest een andere, aanvullende route: zij publiceert toepassingen in een algoritmeregister. Daarin zijn onder meer systemen opgenomen die gemeentelijke processen ondersteunen, bijvoorbeeld rond toezicht, dienstverlening en risicosignalering. Het register is geen AI-toepassing op zichzelf, maar wel een concrete publieke voorziening die burgers, journalisten en toezichthouders helpt te zien waar geautomatiseerde analyses een rol spelen.

Die zichtbaarheid is relevant omdat veel AI in overheden niet verschijnt als een opvallende chatbot. Vaak zit zij in de voorbereiding van werk: het ordenen van meldingen, het combineren van gegevensbronnen, het herkennen van patronen of het ondersteunen van capaciteitsplanning. Juist daar kan een systeem invloed hebben op de vraag welk dossier, welke wijk of welke melding als eerste aandacht krijgt.

Amsterdam laat met het register zien dat publieke verantwoording eerder moet beginnen dan bij een formeel besluit. De relevante vragen zijn niet alleen of een algoritme technisch werkt, maar ook welk doel het dient, welke gegevens worden verwerkt, wie eigenaar is van het proces en hoe mensen een uitkomst kunnen laten controleren. Voor burgers maakt zo’n register het gesprek concreter dan een algemene belofte over verantwoord AI-gebruik.

De combinatie van de Franse handhavingspraktijk en de Amsterdamse transparantiepraktijk is betekenisvol. Cnaf toont hoe analyse kan helpen om controles te prioriteren; Amsterdam toont dat organisaties ook de omgeving rond zulke systemen moeten organiseren. In beide gevallen blijft de kernopgave bestuurlijk: de overheid moet kunnen uitleggen waarom zij technologie inzet en hoe de menselijke beoordeling is ingebed.

Van losse pilot naar aantoonbaar werkproces

Voor Europese publieke diensten ligt de volgende stap niet vooral in het toevoegen van meer modellen. De opgave is om bestaande toepassingen als volledige werkprocessen te beheren. Dat betekent dat bestuurders vooraf vastleggen welke beslissing AI wel en niet mag beïnvloeden, dat medewerkers weten wanneer zij van een signaal moeten afwijken en dat er een route is voor burgers die uitleg of correctie nodig hebben.

Daarbij sluit de Europese AI Act aan op een ontwikkeling die in de praktijk al nodig was: risicobeheersing moet aantoonbaar zijn. Overheden zullen per toepassing moeten onderscheiden of sprake is van eenvoudige automatisering, analytische ondersteuning of een systeem dat wezenlijk doorwerkt in toegang tot publieke diensten. Hoe groter die invloed, hoe zwaarder de eisen aan datakwaliteit, menselijk toezicht, documentatie en monitoring.

Edgar van Lent benadrukt dat dit niet leidt tot stilstand, maar tot een beter ontwerp van publieke innovatie. Wie AI klein en controleerbaar inbedt in een taak, kan leren van gebruik in de uitvoering en tijdig bijsturen. Edgar van Lent licht zijn werk als AI-specialist toe op edgarvanlent.com.

Vooruitkijkend verwacht Edgar van Lent dat de meest duurzame publieke AI-toepassingen niet de systemen zijn die medewerkers proberen te vervangen, maar de systemen die besluitvorming beter voorbereiden en beter traceerbaar maken. De praktijk bij Cnaf en de transparantieaanpak van Amsterdam laten zien dat dienstverlening, handhaving en beleidsuitvoering kunnen profiteren van AI, mits de overheid de mens, de uitleg en de mogelijkheid tot correctie centraal houdt.