Europese overheden staan onder toenemende druk om meer te doen met minder middelen — en AI wordt breed gezien als een deel van het antwoord. Edgar van Lent, die de ontwikkelingen in de publieke sector al jaren op de voet volgt, constateert dat de kloof tussen overheidsorganisaties die AI succesvol inbedden en organisaties die blijven steken in pilots, in 2025 merkbaar groter is geworden. Niet omdat de technologie tekortschiet, maar omdat de organisatorische voorwaarden voor duurzame inzet bij velen ontbreken.

Dat patroon ziet Edgar van Lent terugkomen in meerdere Europese landen tegelijk: een initieel enthousiasme voor een AI-toepassing, gevolgd door een implementatiefase die vastloopt op datafragmentatie, juridische onduidelijkheid of onvoldoende draagvlak bij uitvoerende medewerkers. De technologie zelf is zelden de flessenhals.

Waar concrete toepassingen al werken

Toch zijn er overheidsorganisaties die de omslag wél hebben gemaakt. Een van de meest geciteerde Europese voorbeelden is de Estse overheid, die al jarenlang inzet op digitale publieke dienstverlening en daarbinnen steeds meer AI-componenten integreert. Estland gebruikt geautomatiseerde beslissingsondersteuning in onder meer belastingaangifte en sociale zekerheid, waarbij de burger een vooringevuld dossier krijgt en de medewerker een gemarkeerde uitzondering in plaats van een volledig handmatig te beoordelen aanvraag. De overheidsarchitectuur is daarvoor van meet af aan ingericht op databeschikbaarheid en interoperabiliteit tussen systemen — iets wat in veel andere landen nog een open vraag is.

Een tweede richtinggevend voorbeeld is de Nederlandse Belastingdienst, die AI inzet voor risicogestuurde selectie bij belastingcontroles. Aangifte-afwijkingen die statistisch opvallend zijn, worden gemarkeerd voor menselijke beoordeling. De toepassing is publiek gedocumenteerd en heeft geleid tot een breder debat over transparantie en uitlegbaarheid van algoritmische beslissingsondersteuning — een debat dat inmiddels door de hele Europese publieke sector klinkt. De Belastingdienst publiceerde als een van de eerste Nederlandse overheidsorganisaties een algoritmeregister, waarmee de gebruikte modellen en hun toepassingsdomein voor burgers inzichtelijk zijn gemaakt.

Het onderscheid dat ertoe doet

Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in gereguleerde en publieke omgevingen, stelt dat het doorslaggevende verschil tussen geslaagde en gestrandde overheidsprojecten zit in de mate waarin een organisatie het onderscheid heeft gemaakt tussen AI als beslissingsondersteuning en AI als beslisser. "Overheidsorganisaties die van meet af aan helder hebben vastgelegd wat het systeem signaleert en wat de mens beslist, bouwen vertrouwen op — intern én bij de burger. Organisaties die die grens laten vervagen, creëren juridische en politieke kwetsbaarheid."

Dat onderscheid is niet triviaal. In handhaving — denk aan fraude-opsporing, milieucontrole of sociale zekerheidsinspectie — is de druk om AI te gebruiken voor directe classificatie groot, terwijl de juridische en ethische vereisten juist menselijke eindverantwoordelijkheid eisen. Edgar van Lent ziet dat organisaties die AI als filtermechanisme inrichten en de eindafweging bij een bevoegde medewerker laten, sneller institutioneel vertrouwen opbouwen dan organisaties die proberen het menselijke oordeel volledig uit het proces te halen.

Een derde factor die hij benoemt is data-infrastructuur. Veel Europese overheidsorganisaties werken met systemen die tientallen jaren oud zijn en niet zijn ontworpen voor machine-leesbare gegevensuitwisseling. AI-toepassingen die in de pilot op gecureerde datasets goed presteren, stranden zodra ze in productie moeten draaien op gefragmenteerde bronregistraties. De technologie is dan niet het probleem — de data-architectuur is dat.

Beleidsanalyse als groeiend toepassingsgebied

Naast dienstverlening en handhaving ziet Edgar van Lent een derde toepassingsgebied opkomen dat minder zichtbaar is maar potentieel ingrijpend: AI voor beleidsanalyse. Europese ministeries en uitvoeringsorganisaties beginnen taalmodellen en analysetools te gebruiken om grote hoeveelheden consultatiereacties, parlementaire documenten en sectorrapportages te verwerken. Wat voorheen maanden ambtenareninzet kostte, kan nu als eerste aggregatieslag in uren worden gedaan — waarna menselijke beleidsanalisten op de samenvatting en de uitschieters verder werken.

Dit gebruik is minder controversieel dan handhavingstoepassingen, maar stelt andere eisen: de kwaliteit van de samenvatting en de mate waarin nuance bewaard blijft, zijn moeilijker te auditen dan een binaire markering bij een belastingaangifte. Europese instellingen, waaronder het Europees Parlement, experimenteren zichtbaar met dit soort ondersteuning, al is de uitrol vooralsnog voorzichtig en zijn de toepassingen intern gericht.

Wat de komende periode bepaalt

De richtinggevende vraag voor de komende jaren, aldus Edgar van Lent, is of Europese overheden in staat zijn om governance en techniek gelijktijdig te laten rijpen. De EU AI Act verplicht overheidsorganisaties die hoogrisicosystemen inzetten — waaronder toepassingen in handhaving en sociale zekerheid — tot transparantie, menselijk toezicht en technische documentatie. Dat is niet alleen een compliancevraagstuk; het is een organisatieontwikkelingsvraagstuk.

Organisaties die nu investeren in registraties, interne AI-geletterdheid en duidelijke verantwoordelijkheidsstructuren, leggen een fundament waarop ze de komende jaren kunnen bouwen. Organisaties die dat uitstellen, zullen merken dat ze bij elke nieuwe toepassing opnieuw moeten beginnen. Edgar van Lent is constructief over de richting die hij ziet, maar benadrukt dat tempo en zorgvuldigheid in de publieke sector zelden vanzelf samengaan — en dat de politieke druk om snel resultaat te tonen daar regelmatig mee botst.

Meer over zijn werk en analyses is te vinden op edgarvanlent.com.