Subsidies
Inzet van AI kan bij het aanvragen en beoordelen van subsidies bijdragen aan:
• Betere kwaliteit van aanvragen;
• Efficiëntere aanvraag en beoordeling;
• Meer duidelijkheid bij aanvragers;
• Rechtsgelijkheid bij het verstrekken van subsidies.
De volgende concrete toepassingen van Large Language Models zijn denkbaar bij het aanvragen van subsidies:
1. De burger of ondernemer moet een identiteitsbewijs, bankafschrift of verklaring van de Belastingdienst aanleveren bij de subsidieaanvraag. AI-agents kunnen nauwkeurig inschatten of het bijgevoegde bestand van het juiste type is en voldoet aan de kenmerken die verwacht worden in zo’n bestand. Als dit niet zo is kan de aanvrager hier direct op gewezen worden, waardoor de kwaliteit van de aanvraag omhooggaat;
2. De aanvrager moet een begroting bijvoegen in een Excel-bestand. Een AI-agent kan de volledigheid van de bijlage controleren én de informatie uit het Excel-bestand omzetten naar gestructureerde data in het subsidieportaal. Dit scheelt aanvragers tijd en moeite en maakt beoordeling eenvoudiger. Het aanvraagsysteem kan eventueel zaken narekenen, optellen, categoriseren of vroegtijdig fouten in de begroting constateren;
3. Een AI-agent kan, op basis van de aanvraag, de subsidieregeling en de voorwaarden, een inschatting doen van de kans dat de aanvrager in aanmerking komt voor de subsidie. Niet alleen op basis van gegevens (bijvoorbeeld het aangevraagd bedrag), maar ook op basis van interpretatie van projectteksten, plannen of toelichting door de aanvrager. Denk aan het toetsen van het innovatieve karakter van een ingediend ontwikkelproject.
De uitvoerend ambtenaar, die de subsidie moet beoordelen, kan door een AI-agent geholpen worden door onder andere de volgende functionaliteit:
-
Een AI-agent kan alle toetsingscriteria van de subsidie controleren tegen de aangeleverde gegevens en bestanden. Hiermee kan een gedetailleerd overzicht getoond worden van waarom de aanvraag mogelijk wel of niet in aanmerking komt;
-
Een AI-agent kan helpen met het schrijven van besluiten en motiveringen;
- Een AI-agent kan aanvullend onderzoek helpen doen naar de aanvrager, zijn of haar subsidie-historie of overige (markt)ontwikkelingen die van invloed kunnen zijn op de beoordeling.
Bezwaar en Beroep
Een tweede veelvoorkomend proces bij uitvoeringsinstanties en gemeentes is het afhandelen van Bezwaar en Beroep. Vooral hier zien we veel potentie voor AI-agents, met name omdat in het bezwaar- en beroep-proces van origine documenten met veel tekst gebruikt worden. Denk aan een bezwaarschrift, het primaire besluit of een beslissing op bezwaar. In dit soort processen wordt relatief weinig gestructureerde data gebruikt. Vooral in de beoordeling van bezwaar en beroep zien wij direct toepasbare mogelijkheden voor de inzet van AI op basis van Large Language Models.
Als we ervan uitgaan dat het zwaartepunt van een bezwaar, het bezwaarschrift is (in bijvoorbeeld PDF-vorm), is het verklaarbaar dat veel handelingen in het uitvoeringsproces handmatig uitgevoerd worden. Het geeft tevens ook de potentie aan van taalmodellen, zoals bijvoorbeeld bij:
1. Het automatisch classificeren en verdelen van bezwaarzaken. Door het analyseren van het bezwaarschrift kan een AI-agent bepalen waar het bezwaar betrekking op heeft, de bezwaarzaak automatisch classificeren en verdelen of clusteren met andere, gelijksoortige bezwaren. Denk bijvoorbeeld aan bezwaren op een bepaalde subsidieregeling, een verkeersbesluit of bezwaren tegen het Box 3-inkomen bij de Belastingdienst. Zo kunnen bezwaren met behoorlijke nauwkeurigheid binnen hele korte tijd al op de juiste plaats in de organisatie terecht komen;
2. Het analyseren en samenvatten van het bezwaarschrift. Bezwaarschriften zijn vaak tientallen pagina’s lang. Een AI-agent is heel goed in staat om een bezwaar samen te vatten en hier objectieve en subjectieve motivatiegronden voor het bezwaar uit te halen. Deze kunnen dan als gestructureerde data gepresenteerd worden aan een behandelend jurist;
3. Het analyseren en vergelijken van het bezwaarschrift, het primaire besluit en de initiële aanvraag waar het bezwaar betrekking op heeft. Door de gehele zaak (van aanvraag tot en met bezwaar) te laten analyseren door een AI-agent, kan deze patronen en tegenstrijdigheden in beeld brengen of een rode draad opstellen over het hele proces heen. Deze informatie kan snel inzicht geven in opvallende kenmerken die beoordeling van het bezwaar kunnen beïnvloeden;
4. Het analyseren van overige bewijsstukken. Mochten er bij het bezwaar aanvullende bewijsstukken aangeleverd worden (zoals identiteits-, bank- of projectgegevens), dan kan een AI-agent inhoudelijk valideren of hierin gronden te onderkennen zijn die een toekenning zouden rechtvaardigen.
Uiteraard geldt in al deze voorbeelden dat gegevens goed beschermd moeten zijn en dat fouten en onjuiste conclusies voorkomen moeten worden. Daarom zal een mens altijd de definitieve beslissing moeten kunnen nemen. Ook moet de AI-agent gegevens niet openbaar maken buiten de overheidsorganisatie en moeten er voldoende technische en procesmatige risicomanagementmaatregelen ingericht zijn. In elk geval moet de AI draaien in het domein van de organisatie en ook door de organisatie zelf worden getraind.
Maar als deze zaken geregeld zijn, kunnen veel overheidsinstanties dus snel profiteren van assistentie door AI-agents. Zeker in een regel-gedreven platform zoals Blueriq, waarbij door het aanpassen van modellen en regels, handmatige stappen in het proces snel vervangen of aangevuld kunnen worden met AI-interactie. Met de LLM-Link plug-in van Blueriq GenLogic is het zo’n interactie snel te realiseren.
