Bezwaar- en beroepsprocessen onder druk? Hier kan AI verschil maken
Bezwaar en beroep zijn precies de processen waar AI veel werk uit handen kan nemen. Het gaat vaak om grote aantallen dossiers, veel tekstuele communicatie en veel terugkerende handelingen. Tegelijkertijd vraagt ieder dossier om zorgvuldigheid en context.
In de podcast beschrijft Deloitte hoe grote publieke organisaties soms honderdduizenden bezwaren verwerken. Handmatige beoordeling kost veel tijd en zet de beschikbare capaciteit onder druk. AI kan helpen door automatisch bezwaargronden te herkennen, vergelijkbare casussen te vinden en zaken te labelen of te clusteren.
"Je hebt het al snel over honderdduizenden bezwaren. Als je die allemaal met een mens moet verwerken, dan ben je wel even bezig." — Rutger Rienks, Deloitte
Ook in de communicatie liggen kansen. Bijvoorbeeld bij het genereren van conceptbrieven of het controleren of een bezwaar volledig is voordat het proces start. Dat versnelt niet alleen de afhandeling, maar helpt ook om processen consistenter te maken.
Tegelijkertijd brengt AI nieuwe uitdagingen met zich mee. Want burgers gebruiken inmiddels zelf ook AI om bezwaren op te stellen. In de podcast wordt beschreven hoe ChatGPT moeiteloos juridisch klinkende bezwaarschriften genereert die er overtuigend uitzien, maar inhoudelijk lang niet altijd correct zijn. Toch moeten deze bezwaren gewoon worden behandeld.
Dat betekent dat AI niet alleen onderdeel wordt van de oplossing, maar ook van het probleem. Juist daarom is het belangrijk om processen slimmer in te richten.
Veilig en soeverein: Hoe de overheid veilig en soeverein controle houdt over AI
Veel organisaties experimenteren inmiddels met generatieve AI-tools zoals Copilot of Gemini. Maar publieke AI-oplossingen zijn niet automatisch geschikt voor gevoelige overheidsprocessen.
De discussie draait daarbij niet alleen om privacy, maar vooral om controle en soevereiniteit. Waar draait het model? Welke data worden gebruikt? Wie kan meekijken? En wat gebeurt er als een buitenlandse partij besluit toegang te beperken?
"Je wilt niet dat het in een black box belandt, of dat een Amerikaanse overheid kan besluiten deze oplossing even uit te zetten." — Dion Bonné, Nebul
In de podcast wordt benadrukt dat juist daar de grootste zorg van overheden zit. Zeker wanneer processen gevoelige persoonsgegevens bevatten of direct gekoppeld zijn aan wet- en regelgeving.
Tegelijkertijd blijkt volledig on-premise werken voor veel organisaties ook niet realistisch. Moderne AI vraagt om enorme rekenkracht en specialistische infrastructuur. Dat maakt de keuze complex: volledig afhankelijk worden van big tech voelt onwenselijk, maar alles zelf bouwen is vaak niet schaalbaar.
Volgens Nebul ligt de oplossing daarom in een soeverein ecosysteem. Open-source modellen die draaien op Nederlandse infrastructuur, gecombineerd met gespecialiseerde AI die specifiek getraind kan worden op Nederlandse wet- en regelgeving.
Dat laatste is cruciaal. Een generiek taalmodel kent vooral algemene kennis. Maar een overheid wil dat AI begrijpt hoe Nederlandse wetgeving werkt en welke regels prioriteit hebben binnen een specifieke context. Door modellen daarop te verfijnen, wordt AI niet alleen relevanter, maar ook betrouwbaarder.
Alleen AI inzetten is niet genoeg voor betrouwbare besluitvorming
Toch zit de belangrijkste boodschap misschien ergens anders. Want volgens Blueriq ontstaat het grootste risico juist wanneer organisaties denken dat AI het volledige proces kan overnemen.
Een taalmodel levert geen vaste, voorspelbare uitkomsten op zoals een regelgedreven systeem dat doet. Het voorspelt woorden en patronen, maar werkt niet op basis van expliciet vastgelegde wettelijke regels. Dat maakt AI krachtig voor communicatie, interpretatie en ondersteuning, maar minder geschikt voor harde besluitvorming.
In de podcast wordt daarom een belangrijk onderscheid gemaakt tussen generatieve AI en regelgedreven proceslogica. Voor wettelijke regels en transparante besluitvorming blijven vaste procesregels essentieel.
Een simpele wettelijke regel als “iemand moet achttien jaar of ouder zijn” hoef je niet aan een taalmodel over te laten. Dat soort logica wil je expliciet vastleggen in rule engines en beslislogica. AI ondersteunt vervolgens de kenniswerker daaromheen.
Juist die combinatie maakt processen beheersbaar. AI helpt bij analyse, communicatie en samenvatting. Regelgedreven technologie bewaakt de kaders, processtappen en compliance.
"Zie het niet als iets wat alles gaat overnemen, maar zie het als een toevoeging in het IT-palet die je heel goed kan helpen." — Yuri Versluis, Blueriq
AI in bezwaar en beroep klinkt goed. Maar werkt het ook in de praktijk?
"Door het toepassen van AI in bezwaarprocedures kun je de doorlooptijd met 70 tot 80 procent reduceren." — Rutger Rienks, Deloitte
De samenwerking tussen Blueriq, Deloitte en Nebul bleef niet beperkt tot theorie. De drie partijen ontwikkelden samen een proof of concept rond bezwaar en beroep, waarbij een bestaand proces werd verrijkt met AI en vervolgens draaide op Nederlandse infrastructuur.
Volgens de deelnemers leverde dat opvallend snel resultaat. Deloitte noemt reducties van 70 tot 80 procent in de verwerkingstijd bij bepaalde onderdelen van bezwaarprocedures. Minstens zo belangrijk is wat die tijdswinst oplevert: meer ruimte voor dossiers waar menselijke beoordeling echt nodig is.
Dat laat ook zien waar de discussie over AI binnen de overheid eigenlijk over zou moeten gaan. Namelijk over hoe je processen slimmer organiseert wanneer werkdruk, vergrijzing en complexiteit blijven toenemen.
Experimenteren met AI voelt spannend. Toch is dit het moment om te beginnen
De technologie, infrastructuur en eerste werkende voorbeelden zijn er. We zien dus dat AI kan helpen. Voor overheden is vooral de vraag hoe ze daar veilig en beheersbaar mee kunnen beginnen. Volgens de podcastdeelnemers vraagt dat vooral om durf om te experimenteren, gecombineerd met de juiste expertise en duidelijke kaders.
De technologie is beschikbaar, de eerste resultaten zijn bewezen en de wet- en regelgeving rond AI-gebruik in Europa wordt steeds concreter. Dat maakt dit het moment om te leren, pilots te draaien en ervaring op te bouwen, voordat de druk om te veranderen groter wordt dan de ruimte om het gecontroleerd te doen. Daarvoor begin je klein en gecontroleerd, met een combinatie van soevereine infrastructuur, gespecialiseerde modellen en regelgedreven besluitvorming.
Want AI binnen de overheid hoeft geen black box te zijn, maar dat lukt alleen als je de controle houdt over de processen eromheen.
