Waarom AI in het sociaal domein?

Het sociaal domein staat onder druk. Gemeenten worstelen met arbeidsmarktkrapte, oplopende kosten, en toenemende complexiteit. Consulenten besteden een groot deel van hun tijd aan administratie, dossiervorming en het uitwerken van gespreksverslagen. Tijd die niet naar het gesprek met de inwoner gaat.

Maar er speelt nog iets anders. Het werk in het sociaal domein is, vergeleken met bijvoorbeeld ruimtelijke ordening, vaak nogal "nattevingerwerk." De kwaliteit van een advies hangt sterk af van de kennis en ervaring van de individuele consulent. De ene medewerker kent het relevante beleid uit het hoofd, de andere mist een juridisch detail. Dat is kwetsbaar — voor de inwoner en voor de professional.

Tegelijkertijd wordt het werk inhoudelijk steeds veeleisender. De Hervormingsagenda Jeugd vraagt om integrale analyses en Verklarende Analyse bij complexe casussen. De beweging naar gebiedsgericht werken vraagt generalisten die op meerdere domeinen kunnen schakelen. En de samenwerking tussen jeugd, WMO, schuldhulpverlening en veiligheid vereist kennis die zelden in een hoofd past.

AI kan hier helpen. Niet door beslissingen over te nemen, maar door professionals sneller en beter te informeren. Door kennis die verspreid zit in beleidsdocumenten, wetgeving en protocollen toegankelijk te maken op het moment dat de consulent het nodig heeft. Door patronen te signaleren die een mens over het hoofd zou zien. En door de administratieve last te verlagen, zodat er meer tijd overblijft voor het werk dat ertoe doet: het contact met de inwoner.

Joost: een AI-adviseur als sparringpartner

Om te laten zien wat er mogelijk is, heb ik vanuit Bureau Otten het prototype "Joost" ontwikkeld. Joost is een integrale AI-adviseur voor consulenten in het sociaal domein. Het werkt fundamenteel anders dan een chatbot die je een vraag stelt en een antwoord geeft.

Joost werkt als een soort expertpanel. Je legt een casus voor, en het systeem analyseert deze vanuit verschillende, vooraf getrainde perspectieven. Ik heb er een jeugdconsulent, een WMO-consulent, een jurist en een beleidsmedewerker in geprogrammeerd — elk met eigen expertise en eigen bronnen. De jeugdconsulent-persona is bijvoorbeeld geïnstrueerd om voor zijn advies vooral gebruik te maken van de documenten op de website van het Nederlands Jeugdinstituut. De jurist toetst aan wet- en regelgeving. De beleidsadviseur kijkt naar het lokale koersdocument.

Het bijzondere is: deze experts zijn het niet altijd met elkaar eens. Dat is bewust. In de echte praktijk is het ook zo dat een schuldhulpverlener die streng wil budgetteren schuurt met een jeugdconsulent die vindt dat financiële stress het gezin verder onder druk zet. Joost maakt die spanning zichtbaar, laat de argumenten zien, en komt vervolgens met een integraal advies en vervolgvragen.

Joost is een prototype, gebouwd om te demonstreren wat er mogelijk is. De volgende stap is het opzetten van een kleinschalige pilot. Het wordt dus nog niet door consulenten in de dagelijkse praktijk gebruikt. Maar het maakt de mogelijkheden tastbaar en brengt het gesprek binnen de organisatie op gang over wat AI kan betekenen.

Het doel is tweeledig. Enerzijds tijdbesparing: het automatiseren van transcriptie en rapportage van gesprekken. Anderzijds — en dat is misschien belangrijker — een denkhulp. Joost is bedoeld om consulenten te adviseren en te helpen bij het vinden van passende oplossingen op basis van de juiste beleidsdocumenten. Het kan de kwaliteit van adviezen verbeteren door een casus vanuit meerdere invalshoeken te belichten, zodat het minder afhangt van wat de individuele consulent toevallig weet.

Waar AI echt kan helpen

Op basis van mijn ervaring in het sociaal domein en de eerste experimenten met AI zie ik drie gebieden waar de toegevoegde waarde het grootst is.

Kennisondersteuning bij complexe casussen. Het sociaal domein kent een enorme hoeveelheid wet- en regelgeving, lokaal beleid, protocollen en richtlijnen. Geen consulent kan dat allemaal paraat hebben. AI kan fungeren als een kennisbank die niet alleen informatie opzoekt, maar deze toepast op de specifieke casus. Wat zegt de Jeugdwet over deze situatie? Hoe verhoudt dit zich tot het lokale koersdocument? Zijn er vergelijkbare casussen waar we van kunnen leren?

Tijdsbesparing op administratie. Dossiervorming, verslaglegging, het uitwerken van gespreksverslagen — het zijn taken die veel tijd kosten en weinig professionele voldoening geven. De transcriptie en rapportage van keukentafelgesprekken is een concreet startpunt. Meerdere gemeenten experimenteren hiermee al. De eerste resultaten zijn hoopvol, maar laten ook zien dat complexe informatie nog een uitdaging is.

Signalering en patroonherkenning. AI kan helpen bij het herkennen van patronen in data. Welke gezinnen komen steeds terug? Waar escaleren situaties onnodig? Zijn er verbanden tussen schuldenproblematiek en jeugdhulpgebruik die we nu missen? Dit soort analyses kan helpen om eerder en gerichter te interveniëren, mits je ze inzet om te begrijpen, niet om te beoordelen.

Waar je moet oppassen

De VNG waarschuwt terecht dat AI geen neutraal gereedschap is. Het brengt reële risico's met zich mee, en in het sociaal domein — waar het gaat om kwetsbare mensen en ingrijpende beslissingen — zijn die risico's extra relevant.

Hallucinaties. AI-systemen kunnen informatie genereren die feitelijk onjuist is, maar overtuigend klinkt. In een context waar een consulent op basis van een advies een beslissing neemt over een kind of gezin, is dat potentieel gevaarlijk. Controle door de professional is daarom altijd noodzakelijk. AI ondersteunt, maar beslist niet.

Automatiseringsbias. Hoe meer we vertrouwen op AI, hoe meer we geneigd zijn om de uitkomsten klakkeloos over te nemen. In het sociaal domein is dat een reëel risico. De controle op AI-uitkomsten moet betekenisvol zijn, geen kwestie van snel een vinkje zetten.

Privacy. Casussen in het sociaal domein bevatten gevoelige persoonsgegevens. In Rheden heb ik de afspraak gemaakt dat alle plannen voor AI-experimenten worden afgestemd met de privacy officer. De belangrijkste grens die ik heb voorgesteld: er mogen geen herleidbare persoonsgegevens worden ingevoerd. De focus ligt op pseudonimiseren voordat data wordt gebruikt.

Bias en discriminatie. AI-systemen leren van historische data. Als die data bestaande ongelijkheden bevat, reproduceert het systeem die. Dit is geen theoretisch risico — het is de reden waarom de toeslagenaffaire zo'n waarschuwing is voor iedere overheid die met algoritmen werkt.

Transparantie. Inwoners en professionals moeten kunnen begrijpen hoe een AI-advies tot stand komt. Dat vraagt om systemen die hun bronnen tonen en hun redenering inzichtelijk maken. Een black box is onacceptabel in het publieke domein.

Hoe begin je — zorgvuldig en klein

Mijn advies aan gemeenten die willen starten met AI in het sociaal domein is: begin klein, wees eerlijk over wat je niet weet, en bouw zorgvuldig op.

Start met ondersteuning, niet met besluitvorming. Gebruik AI voor taken waar het de professional helpt, niet vervangt. Transcriptie van gesprekken, doorzoeken van beleidsstukken, voorbereiden van casusoverleg. De professional behoudt altijd de eindverantwoordelijkheid.

Betrek professionals vanaf het begin. Begin klein en concreet, bijvoorbeeld met een pilot voor transcriptie. Door te laten zien dat het werkt en door de ethische en privacy-aspecten serieus te nemen, bouw je vertrouwen op.

Stem af met de privacy officer vanaf dag een. Niet achteraf, niet als het al draait, maar vooraf. Stel duidelijke kaders op voor ethiek en databeveiliging. In Rheden heb ik als regel ingevoerd: geen herleidbare persoonsgegevens, pseudonimiseren is de standaard.

Bouw zelf een prototype. Je hoeft geen technicus te zijn. Ik heb Joost gebouwd met bestaande AI-tools, zonder programmeerkennis. Het doel was de mogelijkheden tastbaar maken en het gesprek op gang brengen.

Werk samen. Dit is niet een opgave die elke gemeente apart moet uitvinden. Deel ervaringen, deel risico-analyses, en ontwikkel samen standaarden.

De verbinding met jeugd en migratie

AI in het sociaal domein is geen apart thema. Het hangt direct samen met de transformatie-opgaven waar gemeenten voor staan. De AI-tools die ik ontwikkel zijn juist bedoeld om consulenten binnen jeugd en WMO te ondersteunen bij hun werk. Joost is expliciet getraind met expertise vanuit het jeugddomein en maakt gebruik van bronnen van het Nederlands Jeugdinstituut. In de migratie en integratie kan AI helpen bij het matchen van nieuwkomers met werk- en taaltrajecten, of bij het combineren van informatie uit inburgering, huisvesting en sociaal domein.

De vraag is steeds dezelfde: werkt dit systeem voor de mens die het moet helpen? Die vraag stel ik in de jeugdzorg, in de asielopvang, en bij de inzet van AI. Het zijn dezelfde principes: regie nemen, de mens centraal, en technologie in dienst van de professional — niet andersom.