Door Simon Been
Wat is de impact van AI op het informatiedomein? In een reeks artikelen wordt ingegaan op veranderingen in de organisatieprocessen, de informatieprofessie en het persoonlijke informatiewerk ten gevolge van artificial intelligence. Dit is het zevende deel, met een aantal praktische voorbeelden.
Kunstmatige intelligentie heeft vele gezichten, van het slim interpreteren van gestructureerde data en het geven van antwoorden op basis van onnoemelijke hoeveelheden teksten tot het doorgronden en zelfs genereren van beeldmateriaal. Die veelzijdigheid zie je ook als je binnen organisaties vraagt naar de eigen ervaringen. De ene organisatie is nog bezig een fundament te leggen, de andere zet vooral experimenten uit, en sommige hebben AI geïntegreerd binnen de processen. In die volgorde gaan we vier organisaties langs. Daarmee verkennen we de impact van AI op de domeinen erfgoedbeheer, overheidsadministratie, persoonlijke ontwikkeling en waterschapmanagement, gericht op het optimaliseren van processen, toegankelijker maken van informatie en bieden van nieuwe inzichten die voorheen onbereikbaar waren.
Niet onbelangrijk: de informatie is gebaseerd op gesprekken met betrokkenen en presentaties tijdens Heterdaadsessies van het Papieren Tijger Netwerk, deels na en deels pal vóór verschijning van hetVoorlopig standpunt voor Rijksorganisaties bij het gebruik van generatieve AI.
CASUS: fundament leggen
Gemeente Zoetermeer
In de gemeente Zoetermeer wordt AI al maanden gezien als een belangrijk en zich snel ontwikkelend thema. Martijn de Groot, afdelingshoofd Informatie & Automatisering, stelt dat de gemeente streeft naar een breed begrip en integratie van AI binnen haar organisatie. Het team wil ervoor zorgen dat AI niet alleen een tool is voor ‘technici’, maar dat het toegankelijk en begrijpelijk wordt voor iedereen in de organisatie. Hun benadering is gebaseerd op drie primaire doelen. Ten eerste het streven naar een breed kennisniveau binnen de hele organisatie, waarbij de nadruk ligt op het demystificeren van AI en het praktisch toepasbaar maken voor diverse functies. Hierbij is er bijzondere aandacht voor de duurzame inzetbaarheid van medewerkers, met een focus op het up-to-date houden van hun vaardigheden zodat ze relevant blijven in hun werk.
Het tweede doel betreft het ethisch gebruik van AI, waarbij vraagstukken rondom privacy en de ethische implicaties van technologie aan de orde komen. Zoetermeer werkt aan een kader voor ‘fatsoenlijk gebruik’ van AI. Het is een voortdurende dialoog binnen de organisatie, gericht op het vinden van een evenwicht tussen technologische vooruitgang en bescherming van individuele rechten.
Vertaling naar businesscases
Het derde en laatste doel is het vertalen van de belofte van AI naar concrete businesscases. Er is in Zoetermeer een sterke nadruk op het realistisch benaderen van AI-toepassingen met het oog op daadwerkelijke verbeteringen in dienstverlening en efficiëntie. Hoewel AI veel potentieel heeft volgens De Groot, zijn er tegelijk praktische uitdagingen die de implementatie belemmeren. Zo sneuvelde de operationalisering van de eerste businesscase. Robotisering en AI gingen hand in hand en moesten voor ongeveer 200.000 euro structureel per jaar aan besparing gaan zorgen bij de financiële afdeling. De businesscase lag klaar, de datascientist was aan het werk, alles draaide in pilot, en daarna … ‘Het liep vast op de realiteit van leveranciers die niet kunnen leveren, contracten die we niet krijgen aangepast en verouderde software. Hierdoor kunnen we een bepaalde koppeling niet maken, en leveranciers bewegen daar dus ook niet in mee.’
Jonge ambtenaren
In de praktijk heeft Zoetermeer diverse initiatieven ondernomen om AI te integreren en te promoten. Een voorbeeld hiervan is een lunchlezing over AI, die goed werd ontvangen en waarbij de focus lag op het toegankelijk maken van informatie over AI vanuit verschillende invalshoeken. Verder heeft de gemeente samengewerkt met De Haagse Hogeschool voor een bijeenkomst die gericht was op het vergroten van het inzicht in de mogelijkheden en risico’s van AI. Deze initiatieven worden ook ondersteund door jongere medewerkers, zoals de club voor Jonge Ambtenaren, genaamd Sweet, om beter te begrijpen hoe AI de toekomst van werk kan beïnvloeden.
CASUS: experimenteren
Provincie Zuid-Holland
Guido Scheuerman, adviseur Innovatie bij de provincie Zuid-Holland, vertelt over toepassing en overwegingen rondom generatieve AI binnen de organisatie. Hij baseert dat op een stevige analyse van de technische specificaties, juridische uitdagingen en ethische overwegingen. Het streven naar evenwicht tussen innovatie en voorzichtigheid wordt meteen duidelijk. Na de onvermijdelijke juridische en ethische vraagstukken – zo wijst hij op de eis dat persoonlijke gegevens op verzoek moeten kunnen worden verwijderd, en op de strengere eisen en hogere kosten ten gevolge van de Europese AI Act – legt Scheuerman uit dat de provincie Zuid-Holland toewerkt naar een model-agnostische architectuur. Dit houdt in dat de provincie flexibel wil zijn in haar keuze van AI-modellen, afhankelijk van zowel de technische fit als de juridische en ethische conformiteit.
Schakelen tussen aanbieders
Er wordt gewerkt via Microsoft met OpenAI omdat die combinatie de garantie geeft dat de gegevens niet als trainingsdata in de modellen terechtkomen, maar Scheuerman wil kunnen schakelen tussen verschillende aanbieders, zoals Anthropic, Mistral en (modellen van) Meta. Het doel is om op korte termijn te kunnen reageren op veranderende omstandigheden, zoals nieuwe wetgeving of veranderingen in de publieke opinie over privacy. Tegelijkertijd tempert hij de verwachtingen: ‘We hebben nog niet kunnen ontdekken hoe we dat op een eenvoudige manier kunnen doen bij andere leveranciers. Ook is breedschalige inzet op dit moment alleen mogelijk via de interface van Microsoft en Azure.’
Daarnaast streeft de provincie naar transparantie in hoe beslissingen worden genomen met de hulp van AI, met name in processen zoals vergunningverlening en subsidietoekenning. Dit sluit aan bij bredere discussies over de rol van AI in de publieke sector, waarbij de noodzaak om publieke waarden zoals duurzaamheid en eerlijke arbeidsomstandigheden te handhaven centraal staat.
Eigen interne chatbot
Scheuerman bespreekt verschillende mogelijkheden van AI binnen de provincie, van prille experimenten tot praktische toepassingen. Een van de belangrijkste initiatieven is de ontwikkeling van een eigen interne chatbot die zou voldoen aan strenge privacyrichtlijnen en publieke waarden. Dit moet interne processen zoals documentbeheer verbeteren en tegelijkertijd zorgen dat persoonsgegevens en trainingsdata correct worden behandeld. Die bot kan dan ook in Teams worden aangeboden, gratis voor werk. De provincie hanteert al een leaflet voor verantwoord omgaan met ChatGPT, en veel van die regels zullen ook van kracht blijven bij de eigen variant.
Een andere toepassing die in ontwikkeling is, betreft het bevragen van ongestructureerde data in het provinciale archief via natuurlijke taal. Er is immers een gigantisch digitaal archief binnen de provincie. Dit project, getiteld Ask Your PDF, is gericht op het verbeteren van de toegankelijkheid van documenten door ze doorzoekbaar te maken via een simpele interface, waarbij vragen direct aan een document kunnen worden gesteld. ‘Stel je voor dat een collega mij een document stuurt van 150 bladzijden en ik binnen twee uur moet reageren, dan is zo’n tool natuurlijk wel handig om heel specifiek over dat document een aantal vragen te kunnen stellen.’
Projectdocumentatie
Een volgende stap waarmee de provincie aan de slag gaat, is een beperkte set ongestructureerde data doorzoekbaar maken voor een specifiek doeleind. Dat is met name interessant voor een team, een project of een ‘opgave’. Denk bijvoorbeeld aan de aanleg van de RijnlandRoute, een grote provinciale weg. Dit heeft jaren geduurd en er is een groot besluitvormingstraject aan voorafgegaan. Stel dat je die projectdocumentatie kunt vragen: ‘Geef mij een overzicht van hoe de besluitvorming heeft plaatsgevonden rondom dit tracé.’
Bij de analyse van deze use case kwam volgens Scheuerman een saillant vraagstuk naar boven: regelmatig wordt een document helemaal door het geijkte voorbereidingsproces heen geleid, maar komt er nooit besluitvorming. Zo’n document heeft geen definitieve status. Het blijft een soort concept. Wat moet je daarmee? Zijn dat data die je wilt bevragen? Of is dat niet relevant? In zijn woorden: ‘De rol van metadata is dus heel belangrijk. En dat geeft ook meteen problemen, want in de praktijk zijn metadata niet altijd – zeg ik voorzichtig – op orde. Dat betekent dat je als informatieprofessional nu een extra stok hebt om de organisatie mee te slaan: “Jongens, als jullie dit willen, dan moeten we hier toch echt iets aan doen!”’
Gestructureerde data bevragen
Maar niet alleen ongestructureerde data zijn goed te bevragen, ook gestructureerde. Je kunt het schema van je database – hoe die database eruitziet, met welke tabellen en dergelijke – in ChatGPT of een ander taalmodel stoppen en vervolgens vragen stellen. Het model vertaalt dat schema plus zo’n vraag naar een heel simpele SQL-querie. Die kun je vervolgens zelf uitvoeren. Het taalmodel rekent zelf dus niet, maar instrueert de database om iets uit te rekenen. Het antwoord van de database wordt door het taalmodel weer in een duidelijke zin vertaald. Hier zitten zelden fouten in, mits natuurlijk het schema begrijpelijk is met de juiste tabelnamen en misschien wat meer context. Zo’n aanpak kan snelle en juiste antwoorden geven op veelgestelde vragen als: ‘Kun je mij bij hectometerpaal X op de N-zoveel aangeven wie verantwoordelijk is voor het beheer van dat object?’
Retrieval augmented generation
Een potentiële use case die nog in de kinderschoenen staat, is interactie met geodata. De provincie heeft heel veel kaarten en zelfs virtuele ruimtes, 3D-modellen van de fysieke omgeving en een enorme opdracht met betrekking tot vraagstukken rond de omgeving en de fysieke ruimte. Interactie met kaarten, met 3D en met virtual reality, en ook voor een deel met augmented reality, is dan ook een reëel thema waarop meerdere mensen zitten. ‘Je zou [door vraagstellingen] iets in die kaarten en in die virtuele ruimtes kunnen visualiseren waar je vervolgens met z’n allen mee aan de slag gaat.’
De methodiek die de provincie wil toepassen, maakt gebruik van metadata en heet retrieval augmented generation, een methodiek die al vaker langskwam in deze artikelenreeks. Dit betekent dat niet de documenten zelf in een taalmodel gaan, maar dat ze doorzoekbaar worden gemaakt op basis van vectoren. De AI zoekt dus uitsluitend in stukjes tekst uit die documenten. Die losse fragmenten plus de originele vraag en eventueel nog het gesprek dat al gevoerd is volstaan. Het taalmodel, GPT-4, GPT-3 of ChatGPT, komt met een antwoord. Een voordeel hiervan is tevens dat aan bronvermelding kan worden gedaan, zelfs tot op paginaniveau. ‘Je moet wel ervoor zorgen dat je die zoekdatabases actueel houdt,’ waarschuwt Scheuerman, ‘en dat de inzet van taalmodellen voldoet aan bijvoorbeeld de Archiefwet en de AVG.’
Scheuerman sluit af met de opmerking dat hoewel andere overheden soortgelijke uitdagingen en kansen ervaren bij het gebruik van AI, de specifieke toepassingen en oplossingen vaak uniek zijn voor elke organisatie.
CASUS: visueel zoeken
Erfgoedinstelling Korpora
Korpora, Erfgoed Publieke Veiligheid, beheert de collecties van en over de Nederlandse politie en brandweer, het Rode Kruis en de Bescherming Bevolking. Annet Ruseler, manager Collectie Informatie, heeft een zoeksysteem ontwikkeld dat bijzonder nuttig is voor het doorzoeken van hun uitgebreide en steeds groeiende fotodatabase. Dit systeem, de Datamachine, combineert traditionele trefwoordzoekopdrachten met geavanceerde visuele zoektechnologieën. Het is nog niet ‘klaar’, maar wat het nu met AI doet, is al opmerkelijk.
Gebruikers kunnen een afbeelding uploaden naar het platform, waarna het systeem zoekt naar visueel vergelijkbare beelden. Het identificeert overeenkomsten in compositie en kleur, zelfs als deze niet identiek zijn, met een nauwkeurigheid tot 94 procent. Dit stelt gebruikers in staat om snel gerelateerde beelden te vinden zonder de exacte trefwoorden te kennen of te gebruiken. En: de resultaten van hun zoekopdrachten zijn niet alleen in lijstvorm te zien, maar ook op een interactieve kaart. Dit verbetert de visualisatie en het begrip van de data, vooral in geografische contexten. Zo zie je vanzelf ook andere foto’s uit die omgeving, of je zoekt meteen al op plaats.
Automatisch aanmaken metadata
Kunstmatige intelligentie speelt ook een rol bij het automatisch beschrijven van foto’s. Dit helpt niet alleen bij het terugvinden van onbeschreven foto’s, maar ook bij het automatisch aanmaken van metadata, wat essentieel is voor het organiseren en doorzoekbaar maken van grote datasets. Ook wordt het gebruikt om duplicaten binnen de collectie te identificeren en samen te voegen, waardoor de informatie van gelijkende afbeeldingen wordt gecombineerd en geconsolideerd. Dit vereenvoudigt het beheer van de collectie en verbetert de kwaliteit van de data.
Het systeem is geïntegreerd met een knowledge graph, die het mogelijk maakt om data uit verschillende velden dynamisch te verbinden en te verrijken, inclusief informatie uit de Adlib-database (Axiell). Deze integratie verbetert niet alleen de zoekmogelijkheden door contextuele relaties te leggen, maar stelt Korpora ook in staat om data uit diverse bronnen effectief te beheren en te gebruiken. Dit aspect van het systeem helpt bij het uitbreiden van de zoekfunctionaliteit voorbij de traditionele trefwoordgebaseerde benaderingen. En het zorgt voor de weergave van resultaten op de interactieve kaart.
Een ander kenmerk van het systeem is de schaalbaarheid en de brede toegankelijkheid. Korpora heeft ervoor gezorgd dat zowel kleine als grote collecties makkelijk kunnen integreren met hun systeem zonder de noodzaak van dure infrastructuur.
Databronnen koppelen
Het systeem maakt gebruik van Schema.org, de gestandaardiseerde taal van Google voor het structureren van gegevens op het internet. Hierdoor verbetert de search engine optimization (SEO) van hun collectie, waardoor deze beter vindbaar wordt via zoekmachines. Dit vergroot de zichtbaarheid van hun collecties en verhoogt de kans dat gebruikers relevante informatie vinden via gangbare zoekplatforms. Ook gebruikt het systeem linked open data, wat het mogelijk maakt om de collectie te koppelen aan andere databronnen. Dit bevordert de interoperabiliteit tussen verschillende informatiebronnen, waardoor gebruikers rijkere en meer gedetailleerde informatie kunnen verkrijgen. Het benutten van deze open data versterkt de informatie-uitwisseling en samenwerking tussen verschillende culturele en educatieve instellingen.
Tijdens de demonstratie toont Ruseler hoe het systeem niet alleen statische foto’s kan identificeren en matchen, maar ook hoe het afbeeldingen binnen films kan herkennen en relevante fragmenten kan isoleren. Hiermee opent het de deur naar nieuwe vormen van digitale interactie en data-integratie binnen de culturele-erfgoedsector. Weer een stap op weg naar het Digitale Museum van de Toekomst.
CASUS: operationele inzet
Waterschap
Stel je voor: een auto rijdt langs de dijken, en een gemonteerde camera op die auto legt langs de route vast wat ze ‘ziet’. De beelden worden real time geanalyseerd op afwijkingen, zoals scheve bordjes, zwerfafval, de staat van verf en de positionering van basaltblokken. Als er problemen worden gedetecteerd, genereert het systeem automatisch werkopdrachten. Dat scheelt heel veel inspectiewerk. Dit en meer komt naar voren tijdens een gesprek met de chief information officer van een waterschap. Al snel bleek zijn grote interesse in het integreren van geavanceerde technologieën zoals AI, zo vertelt hij, om de operaties van het waterschap te optimaliseren en voor te bereiden op toekomstige uitdagingen, met aandacht voor zowel technische als ethische vraagstukken. Deze technologieën worden ingezet voor efficiënter waterbeheer, waaronder het automatisch aansturen van gemalen en het monitoren van waterstanden en -kwaliteit met behulp van sensoren.
Menselijk toezicht noodzakelijk
Niet onbelangrijk: de data waarmee een waterschap werkt, betreffen geen persoonsgegevens, dus AVG-beperkingen zijn er niet op van toepassing. Dit stelt het waterschap in staat om operationele data uitgebreid te benutten, wat uniek is vergeleken met andere overheidssectoren, zoals gemeenten. Dit wil echter nog niet zeggen dat het implementeren van nieuwe technologieën politiek en organisatorisch eenvoudig is. Uitdagingen op dit vlak zijn blijkbaar van alle tijden en oorden.
Een praktische toepassing van AI bij het waterschap heeft de vorm van geavanceerde datagestuurde besluitvorming die helpt om energiekosten te verlagen door waterpompen intelligent aan te sturen op basis van voorspelde weersomstandigheden. Hierdoor kan er efficiënt gebruik worden gemaakt van bijvoorbeeld goedkopere stroom tijdens windrijke perioden. Informatiebeveiliging en menselijk toezicht blijven echter noodzakelijk om overmatige afhankelijkheid van systemen en potentieel misbruik van technologie te voorkomen.
Enkele praktische AI-toepassingen van het waterschap op een rij:
- Ontwikkelen van dashboards en pipelines voor efficiënt databeheer en voor het stroomlijnen van informatiestromen binnen de organisatie.
- Integreren van AI om de werking van gemalen te automatiseren zodat deze zonder menselijke tussenkomst kunnen opereren.
- Gebruiken van milieuvriendelijke DNA-technologieën (e-DNA) om de aanwezigheid van schadelijke organismen in waterlichamen te detecteren.
- Gebruiken van drones voor het verzamelen van geografische data en satellietbeelden voor grootschalige monitoring van landschapselementen.
- Gebruiken van AI om hogeresolutiesatellietbeelden te analyseren voor het identificeren van invasieve soorten of veranderingen in het landschap.
- Beeldherkenning om dijkcondities te monitoren door veranderingen, zoals scheefstaande borden of verzakte grond, automatisch te detecteren.
Collectief voordeel waterschappen
Vooruitkijkend is de strategie gericht op het verder integreren van AI in zowel de primaire processen van waterbeheer als in de bredere bedrijfsvoering en dienstverlening. Dit omvat het delen van kennis en innovaties sectorbreed, waarbij wordt gestreefd naar een collectief voordeel en verhoogde efficiëntie voor alle waterschappen. AI-technologieën zijn immers potentieel transformatief voor het beheer van waterbronnen en de gerelateerde infrastructuur. Niet voor niets is een initiatief gestart om een groep informatieprofessionals te laten experimenteren met generatieve AI en hen daarover binnenkort te laten terugkoppelen.
Diverse voorbeelden
Dit zijn heel diverse voorbeelden van AI-gebruik in het informatiedomein, maar de boodschap is duidelijk: hoe pril de AI-revolutie ook is, de integratie in verschillende sectoren leidt nu al tot de eerste verbeteringen in hoe organisaties innoveren, functioneren en omgaan met hun gegevens.
AI biedt professionals in het informatiedomein nieuwe tools en methoden om hun werk te doen, wat resulteert in een efficiëntere serviceverlening en verbeterde toegankelijkheid van informatie. Hoewel er uitdagingen blijven bestaan, met name op het gebied van privacy, ethiek en implementatie, is de potentie van AI in het transformeren van de informatiemaatschappij onmiskenbaar. Het voortdurende onderzoek en de ontwikkeling van AI-toepassingen zullen ongetwijfeld blijven zorgen voor innovaties die onze interactie met informatie veranderen en verbeteren.
De voorgaande delen van deze serie lezen?
Je vindt ze in het online archief op informatieprofessional.nl.
> Deel 1: Je staande houden ‘in de AI Wars’
> Deel 2: Manusje-van-alles en sparringpartner
> Deel 3: Impact AI op functies en taken in de informatieprofessie
> Deel 4: Magistrale magie – EU versus AI
> Deel 5: Drie praktijkgevallen: Interactie, Metadata en Structurering
> Deel 6: Nieuwe ambities en rollen voor de informatieprofessie
Overzicht(je) van chatbots
- ChatGPT
- Google Bard
- Google Gemini
- Meta AI
- HuggingChat (open source)
- Zapier AI Chatbot
- Microsoft Copilot (met Bing)
- Perplexity
- YouChat
- KoalaChat
- Jasper Chat
- MetaGPT
- Claude
- Ernie Bot
- Bloom
- Character.ai
De lijst is veel langer. Heb je een tip voor een goede, handige chatbot? Mail naar redactie@informatieprofessional.nl en we voegen deze toe aan de lijst die we publiceren in de volgende editie van IP.
Simon Been is directeur van het Papieren Tijger Netwerk en spreker/trainer/auteur over AI in het informatiedomein.
Deze bijdrage komt uit de papieren IP #4-2024. Het hele nummer kun je hieronder lezen of downloaden.