Edgar van Lent ziet bij Europese overheden een duidelijke verschuiving: kunstmatige intelligentie wordt minder interessant als los experiment en steeds relevanter als hulpmiddel binnen een afgebakend werkproces. Juist bij publieke dienstverlening, handhaving en beleidsanalyse is dat onderscheid bepalend, omdat snelheid nooit los kan worden gezien van rechtsgelijkheid, uitlegbaarheid en menselijke verantwoordelijkheid.

Dit eerste deel van de reeks over AI bij Europese overheden richt zich daarom op één concrete vraag: wanneer helpt AI ambtenaren om grote stromen informatie beter te verwerken, zonder dat het systeem feitelijk de publieke beslissing overneemt? Edgar van Lent licht zijn werk als AI-specialist daar toe en benadrukt dat het antwoord niet primair technisch is. Het begint bij de keuze welk deel van een proces ondersteuning kan verdragen en welk deel altijd bestuurlijk oordeel vraagt.

Niet de chatbot, maar de overdracht is de test

Estland geldt al jaren als een zichtbare Europese proeftuin voor digitale publieke dienstverlening. Het programma Bürokratt is publiek gepresenteerd als een overheidsbrede virtuele assistent: inwoners moeten via een gesprek toegang kunnen krijgen tot informatie en diensten van verschillende publieke instanties. De betekenis van zo'n aanpak zit niet alleen in de gesprekstechnologie. De lastige opgave is dat een vraag correct moet worden verbonden aan de juiste dienst, bron en vervolgstap, in een omgeving waarin overheidstaken juridisch en organisatorisch van elkaar zijn gescheiden.

Volgens Edgar van Lent laat dit precies zien waarom veel publieke AI-projecten verkeerd worden beoordeeld. Een overtuigend antwoordvenster is nog geen goede publieke dienstverlening. Pas wanneer de overdracht naar een formulier, dossierbehandeling of medewerker zorgvuldig is ingericht, ontstaat er publieke waarde. Een systeem moet kunnen aangeven wat het wel en niet weet, welke bron aan een antwoord ten grondslag ligt en wanneer een inwoner niet met een standaardroute geholpen is.

Edgar van Lent, AI-specialist gericht op de praktische inzet van AI in Europese organisaties, stelt dat publieke AI pas geloofwaardig wordt wanneer de technologie de route naar een verantwoordelijke behandelaar verkort in plaats van die verantwoordelijkheid te verhullen. Dat is vooral relevant voor vragen over uitkeringen, vergunningen, belastingen of bezwaarprocedures, waar een ogenschijnlijk kleine fout grote gevolgen kan hebben.

De Europese Commissie laat een tweede, minder zichtbare vorm van dezelfde logica zien met eTranslation. Deze machinevertaaldienst wordt binnen Europese instellingen en voor publieke administraties ingezet om meertalige documenten en informatie sneller toegankelijk te maken. De toepassing automatiseert niet het politieke of juridische oordeel over een tekst, maar verlaagt de drempel om informatie over talen heen te verwerken. Daardoor past zij beter bij de publieke taak dan een systeem dat zelfstandig conclusies zou trekken uit regelgeving.

Handhaving vraagt om prioritering, niet om automatische verdenking

In handhaving is de verleiding groter om AI als beslisser te behandelen. Toezichthouders en uitvoeringsorganisaties beschikken over veel meldingen, transacties, inspectieresultaten en openbare signalen. Modellen kunnen daarin patronen herkennen en zaken helpen rangschikken voor nader onderzoek. Dat kan capaciteit gerichter inzetten, maar de grens tussen risicoselectie en een geautomatiseerd oordeel moet zichtbaar blijven.

Edgar van Lent maakt daarbij een scherp onderscheid tussen een signaal en een besluit. Een signaal kan een inspecteur of analist helpen om een dossier met voorrang te bekijken. Een besluit over controle, sanctie, recht of verplichting vereist een toets die ook voor de betrokken burger of onderneming navolgbaar is. Wie die twee stappen samenvoegt, bouwt volgens Edgar van Lent niet aan efficiënte handhaving maar aan een moeilijk controleerbare besluitketen.

Die les is ook terug te zien in het Europese debat rond algoritmisch gebruik door publieke organisaties. Niet ieder risico is bewijs, en een modeluitkomst is geen neutraal feit. Dat geldt des te sterker wanneer historische gegevens eerdere uitvoeringskeuzes weerspiegelen. Een goed ingericht systeem bewaart daarom de onderbouwing van de selectie, registreert menselijk ingrijpen en maakt periodieke controle op fouten en ongelijke uitkomsten mogelijk.

De projecten die standhouden, beginnen volgens Edgar van Lent niet met de vraag welke voorspellende techniek beschikbaar is. Zij beginnen met een expliciete werkafspraak: welke informatie mag het model gebruiken, wie beoordeelt de uitkomst, welke correctie is mogelijk en wanneer wordt de toepassing stilgezet? Dat zijn geen juridische bijlagen achteraf, maar ontwerpkeuzes die bepalen of een systeem bruikbaar blijft.

Beleidsanalyse heeft baat bij bronvastheid

Bij beleidsanalyse ligt de kans vooral in het sneller ordenen van grote hoeveelheden tekst. Europese overheden werken met consultatiereacties, parlementaire stukken, wetgeving, evaluaties en openbare meldingen. Taalmodellen en tekstanalyse kunnen thema's groeperen, documenten samenvatten en afwijkende patronen zichtbaar maken. De opbrengst is het grootst wanneer analisten daardoor beter kunnen bepalen waar zij zelf diepgaand moeten lezen.

De Europese Commissie heeft met haar Joint Research Centre en verschillende digitale diensten ervaring opgebouwd met tekstanalyse en taaltechnologie voor meertalige overheidsinformatie. Voor Edgar van Lent is dat relevanter dan spectaculaire claims over volledig geautomatiseerde beleidsvorming. Beleidsanalyse is gebaat bij versnelling van het voorwerk, mits herleidbaar blijft welke documenten zijn gebruikt en welke interpretatie door een beleidsmedewerker is toegevoegd.

Daarmee ontstaat een praktisch criterium voor publieke AI: het systeem mag de informatiepositie van de organisatie verbeteren, maar mag niet ongemerkt de normatieve keuze overnemen. Een samenvatting kan een dossier toegankelijker maken; zij mag niet worden behandeld als vervanging van het originele document. Een patroon kan aanleiding zijn voor nader onderzoek; het mag niet zonder toets als oordeel over een persoon fungeren.

Van proef naar publieke infrastructuur

De volgende fase is minder afhankelijk van een nieuw model dan van volwassen procesontwerp. Europese publieke diensten zullen AI steeds vaker inzetten om informatie vindbaar te maken, dossiers te routeren, vertaling te ondersteunen en onderzoek te prioriteren. De organisaties die daarin slagen, meten niet alleen tijdwinst. Zij toetsen ook of medewerkers kunnen corrigeren, of burgers begrijpen wat er gebeurt en of de gebruikte data en bronnen controleerbaar blijven.

Edgar van Lent verwacht dat juist die combinatie van praktische ondersteuning en strikte rolverdeling het verschil gaat maken. Zijn beoordeling is dat publieke AI het meest duurzaam wordt waar het ambtelijk werk versterkt, besluitvorming transparanter voorbereidt en de menselijke verantwoordelijkheid expliciet in de keten houdt. Voor overheden is dat geen rem op innovatie, maar de voorwaarde om van een proefproject naar betrouwbare publieke infrastructuur te groeien.